CN119396159A 基于深度强化学习的无人车控制方法、装置、设备和介质 （中国人民解放军国防科技大学）_第1页
CN119396159A 基于深度强化学习的无人车控制方法、装置、设备和介质 （中国人民解放军国防科技大学）_第2页
CN119396159A 基于深度强化学习的无人车控制方法、装置、设备和介质 （中国人民解放军国防科技大学）_第3页
CN119396159A 基于深度强化学习的无人车控制方法、装置、设备和介质 （中国人民解放军国防科技大学）_第4页
CN119396159A 基于深度强化学习的无人车控制方法、装置、设备和介质 （中国人民解放军国防科技大学）_第5页
已阅读5页，还剩23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

基于深度强化学习的无人车控制方法、装作，实现无人车控制。采用本申请能够实现无2根据所述初始状态空间，采用深度强化学习的方法，通过初始第通过初始第一网络，计算初始状态空间下不同动作的状态值函数和动4.根据权利要求1至3任一项所述的基于深度强化学习的无人车控制方法，其特征在6.根据权利要求5所述的基于深度强化学习的无7.根据权利要求1至3任一项所述的基于深度强化学习的无人车控制方法，其特征在训练模块，用于根据无人车移动后的环境信息，更新39.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至7中任一项所述的4根据无人车与目标点的距离、无人车朝向与目标点连线的夹角、无人车的线速通过初始第一网络，计算初始状态空间下不同动作的状态值函数和动作值函数；567[0023]本申请提供的基于深度强化学习的无人车控制方法，可以应用于如图1所示的应[0024]本申请提供了一种基于深度强化学习的无人车控制方法，如图2所示的流程示意根据无人车与目标点的距离、无人车朝向与目标点连线的夹角、无人车的线速[0026]例如：状态空间[distance,the8网络是通过Actor网络与环境交互收集的数据学习一个值函数，这个函数用于判断动作的[0033]状态值函数能够表征在状态s下采取一个动作后的即时奖励Tt+1加上考虑折扣因[0034]其中，V(s)为当前时刻在状态s下采取一个动作后的状态价值，V(sz1)ls:=sl动作值函数能够表征在状态s下采取动作a后的即时奖励加上考虑折扣因子后的[0035]其中，Q(s,a)为当前时刻在状态s下采取动作a后遵循最优策略所能获得的动作价值；Q(su1,a')ls:=s,ar=al为下一时刻在状态下采取动作au'后遵循最优策略所能获9下通过与Critic网络的结合，Actor网络能够根据当前状态输出一个最有可能带来高价值空间中，可以直接输出动作的均值，然后根据需要添加适当的约束以确保动作的合法性。Actor网络是与环境交互，并在Critic网络价值函数的指导下用策略梯度学习一个更好的以通过训练模型来更准确地理解和解释传感器数据，从而提高了无人车对环境的感知能而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或[0062]关于基于深度强化学习的无人车控制装置的具体限定可以参见上文中对于基于机程序被处理器执行时实现上述实施例中方法通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机

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