Decision-making, planning and control using deep reinforcement learning for autonomous driving vehicles

Il settore dell’autonomous driving è diventato un topic di interesse mondiale negli ultimi anni attirando l’attenzione sia dell’accademia che dell’industria. Questo progetto di ricerca infatti, consiste nel proporre soluzioni innovative basate sul Deep Learning, e in particolare sul Deep Reinforcement Learning, per l’implementazione di sistemi per veicoli a guida autonoma addestrati in simulazione ma con un focus particolare all’analisi delle performance ottenute da tali sistemi nel mondo reale a bordo di un reale veicolo a guida autonoma. In particolare, la parte iniziale del progetto si è focalizzata sullo sviluppo di un modello in grado di eseguire l'immissione in rotatoria in modo sicuro predicendo azioni discrete per modulare il comportamento longitudinale del veicolo; successivamente, è stato sviluppato un algoritmo in grado di guidare il veicolo attraverso gli incroci controllando sia il comportamento longitudinale che laterale del veicolo e imparando a dare la precedenza in base al segnale di traffico e alla regola della precedenza a destra. Infine, nell’ultima parte del progetto è stata sviluppata una versione iniziale di un planner basato esclusivamente su tecniche di Reinforcement Learning addestrato e testato in scenari privi di traffico, in grado di guidare in maniera confortevole sia in simulazione che nel mondo reale.