基于强化学习算法的自动驾驶系统实现

我要开发同款
_joshua2021年11月14日
283阅读

作品详情

本文主要以无人驾驶为目标,对几种深度强化学习算法进行研究。具体研究成果如下:
1. 对A3C(Asynchronous Advantage Actor-Critic),DDPG(Deep Deterministic Policy Gradient),SAC(Soft Actor-Critic)三种算法在无人驾驶问题中的优缺点进行了分析,并且针对无人驾驶问题对算法进行修改和应用。将三种算法应用到模拟器上进行实验,分析不同参数下的表现与结果。重点研究了SAC算法中熵权重因子α和奖励函数的变化对于驾驶行为的影响。
2. 实现了无人驾驶系统,在对驾驶模拟器环境中的智能体进行训练和验证的基础上,探讨将算法模型移植到真实小车无人驾驶环境的方案,通过提供通用的gym应用接口,同时支持模拟环境和真实驾驶环境的算法研究和软件部署。
3. 提出了通过CGAN (Conditional Generative Adversarial Network)来将模拟器中得到的算法模型迁移到真实环境的方案,探讨并实现了通过VAE (Variational Autoencoder)技术来对场景图像进行降维,以提升训练和验证效率的方案。
本文在算法设计和无人驾驶系统设计的基础上进行了研究与测试,收集了实验成果并进行了分析和改进,最终取得了良好的运行效果。
声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态

评论