基于深度強化學(xué)習(xí)的智能車輛行為決策研究

摘要： 自動駕駛車輛決策系統(tǒng)直接影響車輛綜合行駛性能，是實現(xiàn)自動駕駛技術(shù)需要解決的關(guān)鍵難題之一?；谏疃葟娀瘜W(xué)習(xí)算法DDPG(deep deterministic policy gradient),針對此問題提出了一種端到端駕駛行為決策模型。首先，結(jié)合駕駛員模型選取自車、道路、干擾車輛等共64維度狀態(tài)空間信息作為輸入數(shù)據(jù)集對決策模型進行訓(xùn)練，決策模型輸出合理的駕駛行為以及控制量，為解決... （共10頁）