Dependable Reinforcement Learning for Autonomous Driving @FraunhoferIIS
Dependable Reinforcement Learning for Autonomous Driving  @FraunhoferIIS
Uploaded May 2023 | Updated November 2026, 1 day ago
The application »AI Framework for Autonomous Systems« in the ADA Lovelace Center for Analytics, Data and Applications addresses the development of dependable reinforcement learning. Dependable reinforcement learning is both safe and reliable. This is demonstrated by development of an artificial intelligence (AI) agent for behavior planning in autonomous driving.
(Refer to iis.fraunhofer.de/en/ff/lv/dataanalytics/auto.html for more information.)

Two algorithms for navigation in complex situations with safe behavior in the form of a safe policy are shown in this video:
The first algorithm, safe DQN, uses two separate neural networks for separate estimation of risk and utility in value based reinforcement learning and combines them into a situation assessment with a learned trade-off parameter.
(For the full paper, see ieeexplore.ieee.org/document/9922345.)

The second algorithm is based on imitation learning. The pipeline trains a non-interpretable AI agent for safe behavior, modifying existing reward structures and training techniques. It then extracts a set of rules approximating the policy in the form of a decision tree. This tree is safe and interpretable. The final safe decision tree policy is converted into logical constraints in order to verify analytically that the policy operates safely.
(For the full paper, see ieeexplore.ieee.org/document/9575328.)

__________________
Die Applikation »AI Framework for Autonomous Systems« im ADA Lovelace Center for Analytics, Data and Applications beschäftigt sich mit der Entwicklung von verlässlichem Reinforcement Learning. Zuverlässiges Verstärkungslernen ist sowohl sicher als auch zuverlässig. Dies wird durch die Entwicklung eines Agenten der künstlichen Intelligenz (KI) für die Verhaltensplanung beim autonomen Fahren demonstriert.
(Siehe iis.fraunhofer.de/en/ff/lv/dataanalytics/auto.html für weitere Informationen).

In diesem Video werden zwei Algorithmen für die Navigation in komplexen Situationen mit sicherem Verhalten in Form einer sicheren Strategie gezeigt: Der erste Algorithmus, sicheres DQN, verwendet zwei separate neuronale Netze zur getrennten Abschätzung von Risiko und Nutzen im Rahmen des wertbasierten Verstärkungslernens und kombiniert sie zu einer Situationsbewertung mit einem erlernten Trade-off-Parameter.
(Die vollständige Veröffentlichung ist unter ieeexplore.ieee.org/document/9922345 zu finden.)

Der zweite Algorithmus basiert auf dem Nachahmungslernen. Die Pipeline trainiert einen nicht interpretierbaren KI-Agenten auf sicheres Verhalten, wobei bestehende Belohnungsstrukturen und Trainingstechniken modifiziert werden. Anschließend wird ein Satz von Regeln extrahiert, der die Politik in Form eines Entscheidungsbaums annähert. Dieser Baum ist sicher und interpretierbar. Die endgültige sichere Entscheidungsbaumpolitik wird in logische Beschränkungen umgewandelt, um analytisch zu überprüfen, dass die Politik sicher funktioniert.
(Das vollständige Papier finden Sie unter ieeexplore.ieee.org/document/9575328.)

Bleib mit uns in Kontakt:
Website: iis.fraunhofer.de
Facebook: facebook.com/FraunhoferIIS
Twitter: twitter.com/fraunhoferiis
LinkedIn: linkedin.com/company/fraunhofer-iis
XING: xing.com/companies/fraunhoferiis

#FraunhoferIIS
Dependable Reinforcement Learning for Autonomous DrivingMIKAIA® studio Count Microglia in MetastasisMIKAIA 1.0 - Annotation to Image Exportmaphera® – Next Evolution of Interconnected BiosensorsHighlights 2024: Wächter der WildnisMIOTY in Agriculture5G localization (fingerprinting) in combination with 4G and Wi-FiSelf-powered IoT communication through energy harvestingPheno-Talks Session with Guest Christian HügelHardware für Quantencomputing: Qubits über Chips ansteuernDer Fraunhofer-Spirit – die Wirklichkeit ist reicher als alle FantasieFlexible Signalführung dank supraleitender Flexline
FraunhoferIIS |

Dependable Reinforcement Learning for Autonomous Driving

SHARE TO X SHARE TO REDDIT SHARE TO FACEBOOK WALLPAPER