CN114358128B 一种训练端到端的自动驾驶策略的方法 （深圳先进技术研究院）_第1页
CN114358128B 一种训练端到端的自动驾驶策略的方法 （深圳先进技术研究院）_第2页
CN114358128B 一种训练端到端的自动驾驶策略的方法 （深圳先进技术研究院）_第3页
CN114358128B 一种训练端到端的自动驾驶策略的方法 （深圳先进技术研究院）_第4页
CN114358128B 一种训练端到端的自动驾驶策略的方法 （深圳先进技术研究院）_第5页
已阅读5页，还剩20页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种训练端到端的自动驾驶智能体通过预训练的表示网络的低维信息表示中强化学习过程基于离散时间的马尔可夫决策2将反映驾驶环境的高维视觉信息输入到预训练的表示网络，自动学习其中，采用软演员-评论家算法进行强化学习，以评估状态价rt＝rv+0.05rstep+10rcorν=ν+2(vmax-ν)t表示行为动作；3PID控制器采用油门和刹车来减小当前速度ν和预期速度ν*之间的差距；2.根据权利要求1所述的方法，其特征在于，所τ)表示策略的分布函数。ψ5.一种计算机设备，包括存储器和处理器4[0004]端到端方法是近年来兴起的一种自动驾驶范式，结构简单(可视为单一的学习任[0006]强化学习旨在通过智能体和环境的互动，来收集环境对5[0014]将反映驾驶环境的高维视觉信息输入到预训练的表示网6习之前，通过将环境的表示(而非从环境中感知的原始数据)作为新的状态输入到系统中，过程可遵循离散时间的马尔可夫决策过程，在t时刻智能体通过观察环境来获取观测结果t[0032]具体地，参见图2所示，所提供的训练端到端的自动驾驶策略的方法包括以下步[0035]具体地，以摄像头获得的图像作为输入，并加上时间戳作为时间步t的观测结果7r，γ)，seR"表示状态，AeR"表示行为；[0053]强化学习可以解决学习控制动态系统的问题。例如，采用软演员-评论家(soft家通过基于策略的优化方法，采用评估状态价值函数与状态-行为价值函数来最优化目标8r1dt表示行为动作。[0064]最优化策略可以通过最大化来获得π*。在ac[0067]在软行动者-批评(SAC)中，随机策略在行动者-批评者框架下以非策略方式进行ψ9[0077]为进一步验证本发明的效果，进行了实验仿真。实验在开源的CARLA仿真器中进的方法与原始的软行为者-评论家(SAC)算法、条件模仿学习(CIL)、稀疏奖励模仿学习[0084]图3是训练性能对比图，其中纵坐标表示奖励(reward)，横坐标表示迭代次数高了系统的稳定性。此外，为了保证表示能够有效地描述环境，使用例如Dagger技术在[0088]3)所构建的强化学习方法是在由低维抽象状态信息构成的抽象世界中进行的探[0091]计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形[0092]这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列[0094]这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中指令实现流程图和/或

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论