基于深度时空Q网络的定向导航自动驾驶运动规划

• 作者: 张若晗 成煜 童秀迟 胡学敏 陈国文
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 自动驾驶 运动规划 强化学习 深度时空Q网络 定向导航
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1919-1925
• 页数: 7页
• 分类号: TP391.4
• 字数: 7661字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019101798

摘要

针对目前基于机器学习的自动驾驶运动规划需要大量样本、没有关联时间信息,以及没有利用全局导航信息等问题,提出一种基于深度时空Q网络的定向导航自动驾驶运动规划算法.首先,为提取自动驾驶的空间图像特征与前后帧的时间信息,基于原始深度Q网络,结合长短期记忆网络,提出一种新的深度时空Q网络;然后,为充分利用自动驾驶的全局导航信息,在提取环境信息的图像中加入指向信号来实现定向导航的目的;最后,基于提出的深度时空Q网络,设计面向自动驾驶运动规划模型的学习策略,实现端到端的运动规划,从输入的序列图像中预测车辆方向盘转角和油门刹车数据.在Carla驾驶模拟器中进行训练和测试的实验结果表明,在四条测试道路中该算法平均偏差均小于0.7 m,且稳定性能优于四种对比算法.该算法具有较好的学习性、稳定性和实时性,能够实现在全局导航路线下的自动驾驶运动规划.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学敏	湖北大学计算机与信息工程学院	18	77	4.0	8.0
2	童秀迟	湖北大学计算机与信息工程学院	5	4	1.0	2.0
3	张若晗	湖北大学计算机与信息工程学院	4	3	1.0	1.0
4	成煜	湖北大学计算机与信息工程学院	1	0	0.0	0.0
5	陈国文	湖北大学计算机与信息工程学院	1	0	0.0	0.0