面向二维自动驾驶汽车的增强型深度Q学习：在自定义赛道环境中的实现与评估
人工智能
2026-04-17 v2
摘要
本研究项目展示了在二维自定义赛道上为自动驾驶汽车实现深度Q学习网络（DQN），旨在提升DQN网络的性能。它包括使用Pygame在孟菲斯大学地图周围的赛道上开发自定义驾驶环境，以及DQN模型的设计与实现。该算法利用安装在汽车上的7个传感器数据，这些传感器测量汽车与赛道之间的距离。这些传感器位于车辆前方，间隔20度，使其能够感知前方广阔区域。我们成功实现了DQN，以及一种带有基于优先级的动作选择机制的DQN修改版本，我们称之为修改版DQN。模型经过1000个回合的训练，发现智能体获得的平均奖励约为40，比原始DQN高出约60%，比普通神经网络高出约50%。
引用
@article{arxiv.2402.08780,
title = {Enhanced Deep Q-Learning for 2D Self-Driving Cars: Implementation and Evaluation on a Custom Track Environment},
author = {Sagar Pathak and Bidhya Shrestha},
journal= {arXiv preprint arXiv:2402.08780},
year = {2026}
}
备注
8 pages, 8 figures