强化学习与自动驾驶的独立研究

Hanzhi Yang

强化学习与自动驾驶的独立研究

人工智能 2021-10-18 v1 机器人学

作者: Hanzhi Yang

摘要

在近十年中，强化学习已成为最热门的课题之一。它在机器人操作、自动驾驶、路径规划、电脑游戏等各个领域都有应用。在本项目实施期间，我们完成了三项任务。首先，我们研究了表格环境下的Q-learning算法，并将其成功应用于OpenAi Gym的Taxi环境。其次，我们理解并实现了用于Cart-Pole环境的深度Q网络算法。第三，我们还研究了强化学习在自动驾驶中的应用及其与安全检查约束（安全控制器）的结合。我们使用highway-gym环境训练了一个初步的自动驾驶智能体，并探索了奖励函数等各种环境配置对智能体训练性能的影响。

关键词

强化学习自动驾驶 Q-learning 深度Q网络安全约束

引用

@article{arxiv.2110.07729,
  title  = {An Independent Study of Reinforcement Learning and Autonomous Driving},
  author = {Hanzhi Yang},
  journal= {arXiv preprint arXiv:2110.07729},
  year   = {2021}
}

备注

32 pages in total, 7 figures, 3 appendices, 5 tables

强化学习与自动驾驶的独立研究

摘要

关键词

引用

备注

相关论文