面向自动驾驶运动规划与控制的深度强化学习算法综述
机器人学
2021-06-02 v2 机器学习
摘要
本综述中，我们系统总结了当前将强化学习（RL）应用于自动驾驶运动规划与控制的研究文献。许多现有贡献可归因于流水线方法，其由许多手工设计模块组成，每个模块的功能选择为便于人类理解。然而，由于缺乏系统级优化，该方法无法自动保证最大性能。因此，本文也呈现了归属于端到端方法的日益增长的工作趋势，其通常提供更好性能与更小系统规模。但其性能也受限于专家数据缺乏与泛化问题。最后，总结了将深度RL算法应用于自动驾驶的剩余挑战，并给出应对这些挑战的未来研究方向。
引用
@article{arxiv.2105.14218,
title = {A Survey of Deep Reinforcement Learning Algorithms for Motion Planning and Control of Autonomous Vehicles},
author = {Fei Ye and Shen Zhang and Pin Wang and Ching-Yao Chan},
journal= {arXiv preprint arXiv:2105.14218},
year = {2021}
}
备注
8 pages