基于深度强化学习的自动驾驶策略学习方法

• 作者: 夏伟 李慧云
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 深度强化学习 自动驾驶 聚类 神经网络
• 年，卷（期）: 2017,（3）
• 页码范围: 29-40
• 页数: 12页
• 分类号: TG181
• 字数: 5239字
• 语种: 中文

摘要

自动驾驶是人工智能研究的重要应用领域,文章提出了一种基于深度强化学习的自动驾驶策略模型学习方法.首先采用在线交互式学习方法对深度网络模型进行训练,并基于专业司机的经验数据对模型进行预训练,进而结合经验池回放技术提高模型训练收敛速度,通过对状态空间进行聚类再采样,提高其独立同分布特性以及策略模型的泛化能力.通过与神经网络拟和Q-迭代算法的比较,所提方法的训练时间可缩短90％以上,稳定性能提高超过30％.以复杂度略高于训练集的测试道路长度为基准,与经验过滤的Q-学习算法相比,采用聚类再采样的方法可以使策略模型的平均行驶距离提高70％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏伟	中国科学院深圳先进技术研究院	5	31	3.0	5.0
5	李慧云	中国科学院深圳先进技术研究院	15	64	4.0	7.0