【标题】Tackling Real-World Autonomous Driving using Deep Reinforcement Learning

【作者团队】Paolo Maramotti, Alessandro Paolo Capasso, Giulio Bacchiani

【发表日期】2022.7.5

【论文链接】https://arxiv.org/pdf/2207.02162.pdf

【推荐理由】在典型的自主驾驶技术中，规划和控制系统代表了两个最关键的组件，其中传感器检索的数据和感知算法处理的数据用于实现安全舒适的自动驾驶行为。特别是，规划模块预测自动驾驶汽车在执行正确的高级操作时应遵循的路径，同时控制系统执行一系列低级操作，控制转向角、油门和制动器等。本文提出了一种无模型深度强化学习规划器，用于训练神经网络，预测加速度和转向角，从而获得一个能够使用由定位和感知算法处理的数据驱动车辆的单个模块。特别是，经过充分模拟训练的系统能够在模拟巴尔马市的真实城区的无障碍环境中平稳安全地驾驶，证明了该系统具有良好的泛化能力，也可以在训练场景以外的部分驾驶。此外，为了将系统部署在真实的自动驾驶汽车上，并减少模拟和真实性能之间的差距，作者还开发了一个由微型神经网络表示的模块，该模块能够在模拟训练期间再现真实的汽车动态行为。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除