基于深度强化学习的自动驾驶车控制算法研究

作者：王丙琛; 司怀伟; 谭国真^*

来源：郑州大学学报(工学版), 2020, 41(04): 41-80.

DOI：10.13705/j.issn.1671-6833.2020.04.002

• 神经网络
• 强化学习
• 自动驾驶
• DDPG算法
• actor-critic网络
• LSTM

为了提高基于强化学习的自动驾驶车控制算法的学习效率,提出了一种结合专家经验的自动驾驶策略学习算法(deep deterministic policy gridient with expert,DDPGwE)。DDPGwE采用基于DDPG的强化学习框架进行模型在线训练,使用真实的人类驾驶数据对actor网络进行预训练,同时在actor网络中加入LSTM预测机制,提升自动驾驶车对将要发生状况的预判。在仿真平台TORCS中的实验结果表明,所提算法相较于原始DDPG算法,训练时间大大缩短,收敛速度加快,提高了模型的稳定性和泛化能力。

• 单位
  大连理工大学