基于深度强化学习的无人车辆自主导航
机器人学
2024-07-30 v1 机器学习
摘要
本文探讨了通过深度强化学习(DRL)实现无人车辆自主导航的方法。焦点在于使用 Deep Deterministic Policy Gradient(DDPG)算法解决高维连续动作空间中的问题。论文详细描述了 Ackermann 机器人模型以及 DDPG 算法的结构与应用。实验在仿真环境中进行，以验证改进算法的可行性。结果表明，DDPG 算法在路径规划任务中优于传统深度 Q 网络(DQN)和双深度 Q 网络(DDQN)算法。
引用
@article{arxiv.2407.18962,
title = {Autonomous Navigation of Unmanned Vehicle Through Deep Reinforcement Learning},
author = {Letian Xu and Jiabei Liu and Haopeng Zhao and Tianyao Zheng and Tongzhou Jiang and Lipeng Liu},
journal= {arXiv preprint arXiv:2407.18962},
year = {2024}
}