Deep Reinforcement Learning in Autonomous Car Path Planning and Control: A Survey

将数据驱动的应用与控制系统相结合，在最近的自动驾驶汽车研究中发挥着关键作用。本论文提供了一份有结构的综述，介绍了最新的深度强化学习（DRL）文献，涉及自主车辆路径规划和控制领域。它收集了一系列DRL方法和算法及其在该领域的应用，着重介绍了它们在轨迹规划和动态控制中的作用。在本综述中，我们深入探讨了DRL技术在该领域的应用成果。通过总结这些文献，我们强调了潜在的挑战，旨在为从事相关领域的研究人员提供洞见。

这篇论文旨在系统地回顾最新文献中深度强化学习（DRL）在自动驾驶路径规划和控制中的应用，重点关注其在轨迹规划和动态控制中的作用。论文试图探讨DRL技术在这一领域的应用结果和潜在挑战。

本文提出了一系列DRL方法和算法，着重介绍它们在自动驾驶领域中的应用，特别是在轨迹规划和动态控制方面的作用。通过总结这些文献，本文强调了潜在的挑战，旨在为从事相关领域的研究人员提供有用的见解。

本文的亮点在于系统地回顾了最新文献中DRL技术在自动驾驶领域中的应用。论文介绍了一系列DRL方法和算法，并重点关注它们在轨迹规划和动态控制方面的应用。此外，本文还强调了潜在的挑战，为相关领域的研究人员提供了有用的见解。

最近在这个领域中，还有一些相关的研究，例如“基于深度强化学习的自主驾驶车辆路径规划”、“自动驾驶车辆的深度强化学习控制策略”等。