基于分层强化学习的自动驾驶车辆掉头问题研究.
曹洁， 邵紫旋， 侯亮 - Application Research of Computers …, 2022 - search.ebscohost.com
调头任务是自动驾驶研究的内容之一, 大多数在城市规范道路下的方案无法在非规范道路上实施
. 针对这一问题, 建立了一种车辆掉头动力学模型, 并设计了一种多尺度卷积神经网络提取特征图 …
. 针对这一问题, 建立了一种车辆掉头动力学模型, 并设计了一种多尺度卷积神经网络提取特征图 …
[HTML][HTML] 基于轨迹预测的安全强化学习自动变道决策方法
肖海林， 黄天义， 代秋香， 张中山， 张跃军 - 计算机应用, 2023 - joca.cn
深度强化学习在自动变道决策问题中由于它的试错学习的特性, 易在训练过程中出现不安全的
行为. 为此, 提出一种基于轨迹预测的安全强化学习自动变道决策方法. 首先 …
行为. 为此, 提出一种基于轨迹预测的安全强化学习自动变道决策方法. 首先 …
基于深度强化学习的自动驾驶车辆专用道汇入引导
张健， 李青扬， 李丹， 姜夏， 雷艳红… - 吉林大学学报(工学版 …, 2023 - xuebao.jlu.edu.cn
为满足自动驾驶车辆(CAV) 与人工驾驶车辆混行过程中安全和效率的需求, 自动驾驶车辆专用道
应运而生. 当高速公路内侧车道设为自动驾驶车辆专用道时, 引导自动驾驶车辆从普通车道汇入 …
应运而生. 当高速公路内侧车道设为自动驾驶车辆专用道时, 引导自动驾驶车辆从普通车道汇入 …
基于规则约束的深度强化学习智能车辆高速路场景下行驶决策.
王新凯， 王树凤， 王世皓 - Automobile Technology, 2023 - search.ebscohost.com
针对强化学习算法下智能车辆训练中动作选择过程随机性强, 训练效率低等问题,
提出了基于规则约束和深度Q 网络(DQN) 算法的智能车辆行驶决策框架, 将引入的规则分为与换 …
提出了基于规则约束和深度Q 网络(DQN) 算法的智能车辆行驶决策框架, 将引入的规则分为与换 …