典型文献
基于逆向强化学习的纵向自动驾驶决策方法
文献摘要：
基于人类驾驶员数据获得自动驾驶决策策略是当前自动驾驶技术研究的热点.经典的强化学习决策方法大多通过设计安全性、舒适性、经济性相关公式人为构建奖励函数,决策策略与人类驾驶员相比仍然存在较大差距.本文中使用最大边际逆向强化学习算法,将驾驶员驾驶数据作为专家演示数据,建立相应的奖励函数,并实现仿驾驶员的纵向自动驾驶决策.仿真测试结果表明:相比于强化学习方法,逆向强化学习方法的奖励函数从驾驶员的数据中自动化的提取,降低了奖励函数的建立难度,得到的决策策略与驾驶员的行为具有更高的一致性.
文献关键词：
自动驾驶;决策算法;强化学习;逆向强化学习
中图分类号：
作者姓名：
高振海;闫相同;高菲
作者机构：
吉林大学,汽车仿真与控制国家重点实验室,长春 130022
文献出处：
引用格式：
[1]高振海;闫相同;高菲-.基于逆向强化学习的纵向自动驾驶决策方法)[J].汽车工程,2022(07):969-975
A类：
逆向强化学习
B类：
自动驾驶决策,决策方法,驾驶员,决策策略,自动驾驶技术,多通,设计安全性,舒适性,关公,奖励函数,大边,边际,强化学习算法,演示,建立相应,仿真测试,强化学习方法,决策算法
AB值：
0.236514
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
