使用深度强化学习的虚拟自动驾驶汽车-研究论文

Reinforcement learning; Markov decision

在本文中，我们提出了一种深度强化学习方法，以评估虚拟创建的自动驾驶场景的性能。马尔可夫决策过程用于将车辆状态映射到动作。折扣和奖励功能也包含在决策策略中。为了处理导致强化学习的标准不稳定的高维度输入，我们使用了经验重播。为了进一步降低相关性，我们使用迭代更新来定期更新Q值。基于随机目标函数的亚当优化器与整流线性单元激活函数一起用作神经网络中的优化器，有助于进一步优化过程。这款自动驾驶汽车不需要任何带有标签的训练数据即可学习人类的驾驶行为。受现实情况启发，基于动作的奖励功能用于训练车辆。在我们的方法中已经证明，经过多次迭代，虚拟制造的车辆会产生无碰撞运动，并执行与人类相同的驾驶行为。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

使用深度强化学习的虚拟自动驾驶汽车-研究论文

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载