基于DDPG的无人车智能避障方法研究

论文摘要

本文中提出一种基于强化学习的无人车智能避障方法。鉴于无人车运动必须满足内外约束,包括汽车动力学约束和交通规则约束,且动作输出必须连续,而传统强化学习无法应对连续动作空间问题,提出了一种改进的DDPG算法,解决连续动作空间问题,实现转向盘转角和加速度的连续输出;采取多源传感器数据融合,满足无人车避障算法的状态输入;增加车辆内外约束条件,使输出动作更合理有效。最后,在开源仿真平台TORCS进行仿真,验证了算法的有效性和鲁棒性。

论文目录

• 前言
• 1 无人车状态定义
•   1.1 传感器数据融合
•     1.1.1 传感器类型
•     1.1.2 多源传感器数据融合
•   1.2 车辆约束条件
•     1.2.1 车辆动力学约束
•     1.2.2 交通规则约束
•   1.3 控制变量
• 2 无人车避障策略设计
•   2.1 奖赏设计
•   2.2 探索策略
•   2.3 DDPG算法改进
• 3 仿真实验
•   3.1 情景一:静态障碍物
•     3.1.1 参数设定
•     3.1.2 实验结果
•   3.2 情景二:动态障碍物
•     3.2.1 参数设定
•     3.2.2 实验结果
• 4 结论

文章来源

类型: 期刊论文

作者: 徐国艳,宗孝鹏,余贵珍,苏鸿杰

关键词: 无人车,避障,强化学习

来源: 汽车工程 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 北京航空航天大学交通科学与工程学院

基金: 国家自然科学基金(51775016)资助

分类号: U463.6

DOI: 10.19562/j.chinasae.qcgc.2019.02.013

页码: 206-212

总页数: 7

文件大小: 3290K

下载量: 891