基于深度强化学习的自动驾驶研究

• 作者: 刘偲
• 来源期刊: 自动化应用
• 学科: 工学
• 关键词: 深度强化学习 自动驾驶 TORCS 连续控制
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机与信息技术
• 页码范围: 57-59
• 页数: 3页
• 分类号: TP181
• 字数: 2007字
• 语种: 中文
• DOI: 10.19769/j.zdhy.2020.05.023

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘偲	北方工业大学电气与控制工程学院	1	0	0.0	0.0