Deep-Imitation-Learning-for-Autonomous-Driving-Vehicles:自动驾驶汽车已经引起了学术界（例如牛津，麻省理工学院）和工业界（例如Google，特斯拉）的极大兴趣。 但是，由于普遍的知识，我们发现直接实现全自动驾驶（SAE 5级）非常困难。 为了解决这个问题，深度模仿学习是一种有前途的解决方案，可以从人类的演示中学习知识。 在这个项目中，我们研究了如何使用深度模仿学习来实现车辆动态控制（例如转向角，速度）。 我们使用了Udacity（https

[{"title":"（ 10 个子文件 14KB ） Deep-Imitation-Learning-for-Autonomous-Driving-Vehicles:自动驾驶汽车已经引起了学术界（例如牛津，麻省理工学院）和工业界（例如Google，特斯拉）的极大兴趣。 但是，由于普遍的知识，我们发现直接实现全自动驾驶（SAE 5级）非常困难。 为了解决这个问题，深度模仿学习是一种有前途的解决方案，可以从人类的演示中学习知识。 在这个项目中，我们研究了如何使用深度模仿学习来实现车辆动态控制（例如转向角，速度）。 我们使用了Udacity（https","children":[{"title":"Deep-Imitation-Learning-for-Autonomous-Driving-Vehicles-main","children":[{"title":"play_recordings.py <span style='color:#111;'> 695B </span>","children":null,"spread":false},{"title":"models.py <span style='color:#111;'> 8.59KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 3.08KB </span>","children":null,"spread":false},{"title":"fit_with_generators.py <span style='color:#111;'> 6.90KB </span>","children":null,"spread":false},{"title":"evaluator.py <span style='color:#111;'> 5.43KB </span>","children":null,"spread":false},{"title":"preprocess_data.py <span style='color:#111;'> 1.80KB </span>","children":null,"spread":false},{"title":"plot_graphs.py <span style='color:#111;'> 486B </span>","children":null,"spread":false},{"title":"data_generator.py <span style='color:#111;'> 2.40KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 729B </span>","children":null,"spread":false},{"title":"data_preprocessor.py <span style='color:#111;'> 5.48KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]