深度学习在自动驾驶车辆控制中的应用综述

由于高度复杂的环境以及无法在部署后可能遇到的各种场景中对系统进行测试，设计一种能够在所有驾驶场景中提供充分性能的自动驾驶车辆控制器具有挑战性。然而，深度学习方法不仅在为复杂和非线性控制问题提供优异性能方面显示出巨大前景，而且还将先前学习的规则推广到新场景。出于这些原因，使用深度学习进行车辆控制正变得越来越流行。尽管该领域已取得重要进展，但这些工作尚未被充分总结。本文综述了文献中报道的旨在通过深度学习方法控制车辆的广泛研究工作。尽管控制与感知之间存在重叠，但本文的重点是车辆控制，而非包括语义分割和目标检测等任务的更广义感知问题。本文通过对比分析指出了现有深度学习方法的优势与局限，并讨论了在计算、架构选择、目标设定、泛化、验证与确认以及安全方面的研究挑战。总体而言，本综述为这一与智能交通系统相关的快速发展的领域提供了及时且热门的信息。