CBF引导的匝道合并决策网络

训练提速六成

利用控制屏障函数保证安全，同时让深度强化学习在匝道合并场景下训练更快、成功率更高。

张长柱 · Lifei, Dai · Hao, Zhang · 王祝萍

IEEE Transactions on Intelligent Transportation Systems 2025

参数信息

训练时间减少比例

60 %

成功率提升幅度

6 %

技术优势

训练快六成

通过CBF引导的安全控制器修正MPC输出，后续学习更新以该修正结果为目标，从而加速收敛。

成功率更高

在强化学习框架中引入CBF层，使合并决策更能满足安全约束，从而提升任务完成率。

应用场景

• 自动驾驶决策：匝道合并决策时兼顾安全与效率，减少训练成本。
• 机器人安全控制：用CBF保证安全约束，无需事后补救。
• 无人机航路规划：将安全层集成到学习框架，适合动态避障。