Robustness and performance of Deep Reinforcement Learning 深度强化学习的鲁棒性及其性能

【论文标题】Robustness and performance of Deep Reinforcement Learning 深度强化学习的鲁棒性及其性能 【作者团队】RaidRafi Omar Al-Nimaa,∗,Tingting Hanb , Saadoon Awad Mohammed Al-Sumaidaeec, Taolue Chenb,Wai Lok Woo 【发表时间】2021/3/1 【研究机构】Northern Technical University 【论文链接】https://www.sciencedirect.com/science/article/pii/S1568494621002180 【推荐理由】 深度强化学习（DRL）近年来受到广泛关注。它使强化学习（RL）和深度学习（DL）技术能够解决各种困难任务。在提出了一种新的算法-GANC。其目的是提高DRL网络的鲁棒性和性能。GANC使用遗传算法（GA）通过产生增广输入来最大化DRL网络的神经元覆盖率（NC）。本文将此方法应用于自动驾驶汽车中，对于不同的道路跟踪视图，准确地提供正确的决策是至关重要的。文章在四种不同驾驶环境的SYNTHIA-SEQS-05数据库上评估了提出的方法。文章的结果是非常前途的-最佳驾驶精度达到97.75%-并优于最先进的结果。

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