Potential analysis of a Quantum RL controller in the context of autonomous driving

Hickmann, Manuel Lautaro und Raulf, Arne Peter und Köster, Frank und Schwenker, Friedhelm und Rieser, Hans-Martin (2023) Potential analysis of a Quantum RL controller in the context of autonomous driving. In: 31st European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2023, Seiten 263-268. Ciaco - i6doc.com. ESANN ( European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning) 2023, 2023-10-04 - 2023-10-06, Bruges, Belgium. doi: 10.14428/esann/2023.ES2023-22. ISBN 978-2-87587-088-9.

PDF
2MB

Offizielle URL: https://www.esann.org/sites/default/files/proceedings/2023/ES2023-22.pdf

Kurzfassung

The potential of quantum enhanced Q-learning with a focus on its applicability to a lane change manoeuvre is investigated. In this context we solve multiple simple reinforcement learning environments using variational quantum circuits. The achieved results were similar to or even better than those of a simple constrained classical agent. We could observe promising behaviour on the more complex lane change manoeuvre task, which has an environment with an observation vector size twice larger than commonly used ones. For the Frozen Lake environment we found indications of possible quantum advantages in convergence rate.

elib-URL des Eintrags:

https://elib.dlr.de/198199/

Dokumentart:

Konferenzbeitrag (Poster)

Titel:

Potential analysis of a Quantum RL controller in the context of autonomous driving

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Hickmann, Manuel Lautaro	Lautaro.Hickmann (at) dlr.de	https://orcid.org/0000-0002-9501-4004	144909437
Raulf, Arne Peter	arne.raulf (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Köster, Frank	Frank.Koester (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Schwenker, Friedhelm	Universität Ulm	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Rieser, Hans-Martin	hans-martin.rieser (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

2023

Erschienen in:

31st European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2023

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

DOI:

10.14428/esann/2023.ES2023-22

Seitenbereich:

Seiten 263-268

Herausgeber:

Herausgeber	Institution und/oder E-Mail-Adresse der Herausgeber	Herausgeber-ORCID-iD	ORCID Put Code
Verleysen, Michel	esann (at) uclouvain.be	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Verlag:

Ciaco - i6doc.com

Name der Reihe:

ESANN 2023 proceedings

ISBN:

978-2-87587-088-9

Status:

veröffentlicht

Stichwörter:

Quantum Machine Learning, Quantum Neural Networks, Reinforcement Learning, Quantum Reinforcement Learning, Autonomous Driving, Trajectory Planning, Variational Quantum Circuits

Veranstaltungstitel:

ESANN ( European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning) 2023

Veranstaltungsort:

Bruges, Belgium

Veranstaltungsart:

internationale Konferenz

Veranstaltungsbeginn:

4 Oktober 2023

Veranstaltungsende:

6 Oktober 2023

Veranstalter :

UCLouvain - Machine Learning Group

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Verkehr

HGF - Programmthema:

keine Zuordnung

DLR - Schwerpunkt:

Verkehr

DLR - Forschungsgebiet:

V - keine Zuordnung

DLR - Teilgebiet (Projekt, Vorhaben):

V - keine Zuordnung, R - Bestärkendes Lernen mit Quantenalgorithmen, D - Kurzstudien [KIZ]

Standort:

Ulm

Institute & Einrichtungen:

Institut für KI-Sicherheit

Hinterlegt von:

Hickmann, Manuel Lautaro

Hinterlegt am:

20 Okt 2023 12:39

Letzte Änderung:

24 Apr 2024 20:58

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags