基于深度强化学习的自动驾驶研究

刘偲¹

扫码查看

作者信息

1. 北方工业大学电气与控制工程学院,北京石景山100043
折叠

摘要

随着神经网络的兴起,强化学习在许多传统游戏上的表现越来越好.然而这些表现并不能应用于自动驾驶当中,因为现实世界中的状态空间极其复杂,而且动作空间是连续的,需要精细的控制.为了保证自动驾驶在复杂环境下的稳定性,选用Deep Deterministic Policy Gradient(DDPG)算法代替传统控制方法,此算法有较好的能力处理复杂环境的连续控制问题.选用The Open Racing Car Simulator(TORCS)作为仿真环境,并给出了定量和定性的结论.

关键词

深度强化学习/自动驾驶/TORCS/连续控制

引用本文复制引用

出版年

2020

自动化应用

重庆西南信息有限公司

自动化应用

影响因子：0.156

ISSN：1674-778X

被引量2

参考文献量10

段落导航