深度强化学习用于自动驾驶：综述
机器学习
2021-01-26 v2 人工智能
机器人学
摘要
随着深度表征学习的发展，强化学习(RL)领域已成为一个强大的学习框架，如今能够在高维环境中学习复杂策略。本综述总结了深度强化学习(DRL)算法，并提供了已应用(深度)强化学习方法的自动驾驶任务分类体系，同时探讨自动驾驶智能体在真实世界部署中的关键计算挑战。它还 delineates 行为克隆、模仿学习、逆强化学习等相关但非经典RL算法的相邻领域。文中讨论了仿真器在训练智能体中的作用，以及验证、测试并增强RL中现有解的鲁棒性的方法。
引用
@article{arxiv.2002.00444,
title = {Deep Reinforcement Learning for Autonomous Driving: A Survey},
author = {B Ravi Kiran and Ibrahim Sobh and Victor Talpaert and Patrick Mannion and Ahmad A. Al Sallab and Senthil Yogamani and Patrick Pérez},
journal= {arXiv preprint arXiv:2002.00444},
year = {2021}
}
备注
Accepted for publication at IEEE Transactions on Intelligent Transportation Systems