基于区块链的异步联邦近端策略优化强化学习方法

基于区块链的异步联邦近端策略优化强化学习方法，用于自动驾驶车辆轨迹预测，该方法利用双门控循环单元网络提取目标车辆的历史和未来轨迹特征。通过异步联邦学习，模型可在多个参与者之间进行联合训练，而无需直接共享数据，实现实时更新与优化，增强对新数据和场景的适应能力。此外，设计了好奇心驱动的近端策略优化算法，激励智能体主动探索状态空间，提高探索效率，避免局部最优，进而提升预测准确性。最后，区块链模块采用动态分组实用拜占庭容错共识算法，增强区块链网络的容错能力，确保高效处理来自路边单元的轨迹数据。整体而言，该方法在多个方面显著提升了车辆轨迹预测的准确性与鲁棒性。