用Q-Learning算法实现无人车智能代理程序

优达学城的第四个项目,通过Q-Learning算法来实现一个简单的无人车代驾程序。

先来一张训练过程的动图。

训练过程

01 需求分析

一个无人车需要满足的最基本需求就是安全性和可靠性。安全性用来保证用户安全,可靠性用来保证在限定时间内将用户送达目的地。安全性和可靠性划分为A+、A、B、C、D、F六个等级。

安全性

安全性具体表现为遵守交通规则,避免交通事故。

假设有一个简化的世界,路口的交通灯是老式交通灯,不带左右转向指示灯。

简易世界

红线代表红灯的路段。

仅考虑红绿灯就够了吗???NO!!!

根据一般的交通规则我们可以知道,红灯时停止直行和左转,但是可以右转;绿灯时可以任意方向行驶。

在该规则下,最可能引发安全隐患的情况有以下三种:

因此确保安全性需要同时考虑红绿灯、交叉方向车辆、左侧车辆、右侧车辆的意图方向。

  • 绿灯时,想左转,但是交叉方向有直行的车。(见图1)
  • 红灯时,想右转,但是左侧有直行车辆。(见图2)
  • 绿灯时,想直行,但是右侧有右转车辆。(见图3)

引发安全隐患的情况

可靠性

可靠性指按时到达目的地。由于路况的不确定,我们不能确定哪条路那种方式是最短时间消耗,比如遇到堵车,即使目的地就在前方,可能绕个道也比等待耗时短,所以这种情况下,我们只要时刻知道目的地的方位就行。

02

Q-Learning算法

我是通过查阅一个简明的Q-learning教程和知乎上Flappy Bird学习Q-Learning理解的Q-Learning算法。

下图是我画的一个漫画。

分数部分(奖励)

用通俗易懂的语言来讲(可能表述不严谨)Q-Learning算法,比如无人驾驶车,初始阶段,小车不知道自己会遇到什么样的状态(路况),也不知道该采取什么样的策略(前行?左转?右转?什么也不做?),每训练一次可能遇到一种状态,就把它记录下来,比如这一次采取了前行的办法,则世界根据这个动作给它一个打分,下一次又遇到了相同状态,采取了左转策略,则世界根据这个动作再给它一个打分……经过数次训练,小车可能知道了这种状态下自己的所有行动对应的分数,在下一次遇到该状态的时候,则采取分数最高的行动作为本次策略,结束了吗?

没有,采取了分数最高行动之后,世界根据这个动作又要给小车一个打分,就意味着要刷新这一次分数,如何刷新呢?放弃原来的分数重新打分吗?不,我们希望综合原来的分数和本次的分数来打分,也就是Q-Learning公式中的学习率alpha

Q-Learning公式

公式中,t代表训练轮次,s代表状态,a代表动作,r(a)代表所采取的动作a的奖励(分数),alpha代表学习率,gamma代表折扣因子,gamma后面的max代表下一个状态中分数最高的动作的分数,不难发现,与简明教程中房间不同,在无人车中,并不知道下一个状态最高的动作是什么,因为路况是不确定的,所以令gamma=0,则公式便成了

简化后的公式

从公式可以看出,学习率alpha越大,Q值更新依据过去经验越少,alpha越小,Q值更新依据过去经验越大。

至此,分数部分完毕。

动作选择部分

除了分数部分,还有一个重要部分,动作选择。每次该如何确定策略?引入一个探索因子epsilon。

小车的动作选择来源于以往经验和一丢丢“冒险”,就像我们学习新东西需要尝试一样,探索因子越大,小车越爱冒险,依据以往经验越少,探索因子越小,小车越拘束 ,依据以往经验越多。

不难想到,合适的探索因子是需要变化,比如一开始,小车什么都不知道,没有经验可循,因此探索因子应该大一些,越往后,探索因子可适当减小,偶尔根据以往经验决定动作,偶尔冒险决定动作。

具体在程序中的使用就是:探索因子为0-1,产生一个0-1的随机数,如果随机数小于等于探索因子,则冒险,大于,则根据以往经验,这样小车的每个动作就有一定概率是冒险,一定概率是以往经验。

至此,动作选择部分完毕。

具体实现

代码太多且涉及优达学城的版权,因此不贴了,核心逻辑根据上下文的探讨完全可以自己编码实现,重要的是原理的理解。

状态空间

根据需求分析,需要考虑的状态有目的地方向、红绿灯、交叉方向车辆、左侧车辆、右侧车辆,分别用waypoint、light、oncoming、left、right表示,waypoint有4种可能:forward、left、right、None,None代表到达目的地,算一种状态,但不占状态空间,因为到了目的地就不用判断light之类了,所以waypoint有3种状态,light有红和绿两种状态,oncoming、left、right有forward、left、right、None四种状态,则共有3x2x4x4x4=384种状态,所以状态空间的大小是384。

训练轮次

根据我的代码,每一轮有20次选择,最极端的情况是20这20次学的同一种状态的同一个动作,因此384种状态,每种4个动作,想学完所有状态,则需要384x4=1536轮训练。

探索因子的衰减函数

探索因子的可选衰减函数有:

衰减函数

a代表任意一个常数,t代表训练轮次。

参数可以随意选择,但是原则是需要让探索因子在一定轮次内合理衰减到某个设定值(即epsilon的tolerance),假设使用第一个衰减函数公式,a=0.999,经过1536轮训练后,epsilon=0.215074991847,所以tolerance设置为0.21,这样无人车就可以在合理训练轮次内合理地衰减到tolerance。

alpha的选择

alpha参数需要自己调参,一般取0.5左右的值。

实现效果

随机动作选择:

随机动作选择

可以看出,安全性和可靠性不管趋势还是结果都完全随机,很差。

用Q-Learning进行1500+轮训练

1500+轮训练

可以看出,事故越来越少,每个动作的评分也越来越高,可靠性也逐渐提高,且逐渐收敛。最终安全性和可靠性都较高。

用Q-Learning进行1500+轮训练后的状态文件截图

1536轮训练后的状态文件截图

经过1500+次训练后,学习到了382种状态,还有2种没学到,可能需要更多轮训练,也可能不需要,人工智能算法都达不到绝对稳定。

折扣因子gamma去哪了

智能车在行驶过程中只知道目的地的大方向,不知道距离目的地的距离,因此下一个状态是不知道的,且起点和终点也不固定,因此用gamma是没有意义的。

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-12-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人人都是极客

极简入门 | 无人驾驶汽车系统基本框架梳理

作者简介:申泽邦(Adam Shan),兰州大学在读硕士研究生,主攻无人驾驶,深度学习;兰大未来计算研究院无人车团队骨干,在改自己的无人车,参加过很多无人车Ha...

2333
来自专栏目标检测和深度学习

本周 Github 精选:13 款炼丹利器,有开源工具包也有超大数据集

1324
来自专栏人工智能头条

本周必看 | 7月ML&Python 最佳开源项目Top 10 :从几百个项目中脱颖而出,都在收藏!

【导读】七月就要结束了,在即将到来的 7 月最后一个周末,人工智能头条为大家整理了本月 ML 和 Python 最受欢迎的十大开源项目。就算放假在家也可以知道大...

1183
来自专栏美团技术团队

深度学习及AR在移动端打车场景下的应用

作为美团点评技术团队的传统节目,每年两次的Hackathon已经举办多年,产出很多富于创意的产品和专利,成为工程师文化的重要组成部分。本文就是2017年冬季Ha...

3489
来自专栏AI科技大本营的专栏

OpenAI公布强化学习新算法,可控制复杂机器人

近日,OpenAI 发布了一种新型的强化学习算法:近端策略优化(Proximal Policy Optimization,简称 PPO),这种算法不但在性能上比...

3359
来自专栏AI科技大本营的专栏

AI 技术讲座精选:如何创建简易且能分辨垃圾邮件的ML分类器

在本篇教程中,我们会先提出要解决的问题,然后再利用名为朴素贝叶斯分类器(NaiveBayes Classifier)的机器学习技术解决相应的问题,非常简单。本篇...

3163
来自专栏AI科技大本营的专栏

AI 技术讲座精选:在 Pinterest 上的视觉发现

摘 要 在过去的三年中,Pinterest 已经针对几款视觉搜索和推荐服务做出了相关的实验,其中就包括 Related Pins (2014)、Similar ...

3586
来自专栏大数据挖掘DT机器学习

美团推荐算法实践:机器学习重排序模型

本文介绍了美团网推荐系统的构建和优化过程中的一些做法,包括数据层、触发层、融合过滤层和排序层五个层次,采用了HBase、Hive、storm、Spark和...

5506
来自专栏人工智能LeadAI

用 TensorFlow 做这些有意思的事情

图像处理方面 图像风格转换,neural-style可以生成各种有意思的图:anishathalye/neural-style(链接https://github...

3216
来自专栏机器之心

TPU加AutoML:50美元快速训练高效的ImageNet图像分类网络

机器之心整理 参与:刘晓坤、思源 昨日,Jeff Dean 在推特上表示他们在 ImageNet 图像分类上发布了新的 DAWNBench 结果,新型 Amoe...

37711

扫码关注云+社区