44、基于强化学习的城市自动驾驶追逐研究

最新推荐文章于 2025-12-30 10:08:42 发布

原创最新推荐文章于 2025-12-30 10:08:42 发布 · 13 阅读

CC 4.0 BY-SA版权

文章标签：

88 篇文章 ¥499.90

订阅专栏¥69.90

CARLA 配置 ：成功配置了 0.9.10 版本的 CARLA，以实现高效的自动驾驶车辆训练。为了展示和验证方法，进行了两个实验设置。首先，使用单独的卷积神经网络（CNNs）开发了一个能够从 A 点自主行驶到 B 点的模型。其次，通过建立有利于汽车追逐学习的环境，开发了一个能够自主追逐汽车的模型。使用的代码可在此处获取。在所有实验中，所选模型由著名的优势演员 - 评论家（A2C）算法控制，A2C 是一种策略梯度算法，属于在线策略算法家族。
动作空间
- 连续动作空间 ：一辆特斯拉 Model 3 可以通过传输所需的转向、油门、刹车、手刹和倒车（档位）信号来操作。使用可能的汽车控制命令计算动作空间的近似大小，这种动作空间称为连续动作空间。由于自动驾驶车辆必须自动换挡，因此应省略手动换挡参数。此外，油门、转向和刹车值使用单精度浮点数定义。油门和刹车参数在 0 到 1 之间有 126 * 223 个不同的唯一值，转向参数在 -1 到 1 之间有两倍的可能唯一值。由于单个控制消息包含每个命令的一组值，因此不同动作的可能数量等于它们的乘积，约为：
  [
  (252 * 223) {Steering} * (126 * 223) {Throttle} * (126 * 223) {Brake