针对自动泊车系统,提出一种基于深度强化学习的控制策略。以Tensorflow为框架来构建深度强化学习算法模型,以车辆坐标、与障碍物的最小距离及转向盘转角增量为状态信息,以转向盘转角为动作信息,基于经验回放方法与数据结构提出了一种高效的采样策略,并基于预瞄模型与库仑定律设计了一种基于轨迹学习的奖励函数,来改进深度强化学习算法。通过训练,实现了端对端的车辆自动泊车控制。仿真和试验结果表明,本文所提出的自动泊车控制策略有很好的功能性和有效性,在泊车过程中转向盘角度变化平稳。
科研之友
微信
新浪微博
Facebook
分享链接
