基于多类型传感数据的自动驾驶深度强化学习方法

论文摘要

提出了一种基于多类型传感数据训练自动驾驶策略的方法,采用不同卷积网络对高维图像数据和低维目标级传感数据进行特征提取,然后对提取特征进行组合,采用组合特征学习自动驾驶策略。在仿真测试软件TORCS中设计车道跟随任务对本文方法进行验证,结果表明:基于多类型传感信息进行深度强化训练可以取得较好的车速和车辆横向偏移控制效果。

论文目录

• 0 引言
• 1 深度强化学习控制方法
•   1.1 强化学习简介
•   1.2 演员评论家方法
•   1.3 深度确定性策略梯度方法
•   1.4 经验回放和独立目标网络
• 2 深度强化学习自动驾驶策略
•   2.1 仿真环境
•   2.2 多模式输入数据的选择
•   2.3 网络设计
•   2.4 价值函数设计
• 3 仿真试验
•   3.1 终止条件设置
•   3.2 训练车道选择
•   3.3 训练参数设置
• 4 结果分析
•   4.1 训练累积奖励和平均奖励
•   4.2 DRL模型控制下的车辆特征
• 5 结束语

文章来源

类型: 期刊论文

作者: 杨顺,蒋渊德,吴坚,刘海贞

关键词: 车辆工程,深度强化学习,无人驾驶,车道跟随,多类型传感数据

来源: 吉林大学学报(工学版) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 吉林大学汽车仿真与控制国家重点实验室

基金: 国家重点研发计划项目(2016YFB0100904)

分类号: U463.6

DOI: 10.13229/j.cnki.jdxbgxb20180467

页码: 1026-1033

总页数: 8

文件大小: 1462K

下载量: 556