盖世汽车讯 自动驾驶车辆（AV）需要更新驾驶条件。过去的研究主要设想路边基础设施通过集中的毫米无线电波束传输此类更新。然而，挑战仍然存在，例如如何准确确定快速移动的自动驾驶汽车的位置，以便用波束跟踪它，并在短时间内形成最佳波束，从而以高速率和低延迟可靠地传输数据。
据外媒报道，为应对上述挑战，美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）研究人员对这些路边基础设施研究进行了分析，并开发出使用“强化学习（Reinforcement Learning）”的方法，即一种人工智能形式，可以奖励系统的预期性能。相关论文已发表于期刊《IEEE Transactions on Intelligent Transportation Systems》，标贴《适用于5G V2X（车对万物）网络的深度强化学习辅助波束跟踪和数据传输》。
图片来源：NIST
该方法的强化学习有助于路边基础设施根据下行链路优化快速移动的自动驾驶汽车位置的预测。它还帮助路边基础设施形成和调整最佳波束模式，以将数据传输到自动驾驶汽车。
该方法基于NIST研究人员使用强化学习框架。在该框架中，研究人员将影响车辆到基础设施通信性能的参数映射为状态、动作和奖励形式。他们还发现，通过修改该框架可以提高光束跟踪精度和光束优化。
NIST研究人员使用仿真来评估该方法。结果表明，该方法在跟踪精度、数据速率和时间效率方面表现良好。仿真还表明，所选框架的性能优于考虑的其他框架。
*版权声明：本文为盖世汽车原创文章，如欲转载请遵守 转载说明 相关规定。违反转载说明者，盖世汽车将依法追究其法律责任!
本文地址：https://auto.gasgoo.com/news/202309/4I70359977C101.shtml
好文章，需要你的鼓励
联系邮箱：info@gasgoo.com
求职应聘：021-39197800-8035
简历投递：zhaopin@gasgoo.com
客服微信：gasgoo12 (豆豆)
新闻热线：021-39586122
商务合作：021-39586681
市场合作：021-39197800-8032
研究院项目咨询：021-39197921
—— 全球视野·中国声音 ——
