基于深度强化学习的自动驾驶车控制算法研究

• 作者: 司怀伟 王丙琛 谭国真
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 神经网络 强化学习 自动驾驶 DDPG算法 actor-critic网络 LSTM
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 智能信息工程
• 页码范围: 41-45,80
• 页数: 6页
• 分类号: TB183
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6833.2020.04.002

摘要

为了提高基于强化学习的自动驾驶车控制算法的学习效率,提出了一种结合专家经验的自动驾驶策略学习算法(deep deterministic policy gridient with expert,DDPGwE).DDPGwE采用基于DDPG的强化学习框架进行模型在线训练,使用真实的人类驾驶数据对actor网络进行预训练,同时在actor网络中加入LSTM预测机制,提升自动驾驶车对将要发生状况的预判.在仿真平台TORCS中的实验结果表明,所提算法相较于原始DDP G算法,训练时间大大缩短,收敛速度加快,提高了模型的稳定性和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭国真		56	946	13.0	29.0
2	司怀伟		2	0	0.0	0.0
3	王丙琛		1	0	0.0	0.0