典型文献
自适应均衡学习的端到端类人驾驶控制决策网络
文献摘要：
针对现有端到端自动驾驶网络对于类人驾驶行为与思维特征模拟不足的问题,从类人驾驶特征出发,设计了一个包含时空特征、历史状态特征及未来特征的端到端类人驾驶控制决策网络.采用多层卷积和长短期卷积时序记忆网络(Conv-LSTM),对前方道路视觉感知图像时间序列进行时空特征提取,同时采用一维卷积和长短期时序记忆网络(Long Short-Term Memory,LSTM)对车辆状态信息时间序列进行历史状态特征提取,进而采用多任务参数共享方式进行当前时刻和未来序列的方向盘转角、车速的控制决策,并以未来序列作为辅助任务督促当前时刻的主任务学习.为更好地耦合汽车纵横向控制参数学习的过程,还提出一种权衡纵横向控制参数损失量级及学习速度的权重自适应方法,并引入容差阈值,建立衡量纵横向控制参数训练效果的评价方法.依托Comma2k19数据集对所构建控制决策网络进行训练和验证,体现出良好的可行性及优越性.
文献关键词：
类人驾驶;端到端;纵横向控制;多任务学习;自适应均衡学习
中图分类号：
作者姓名：
李少青;朱洪林;黄海波;王海英;丁渭平
作者机构：
西南交通大学,成都 610031;通标标准技术服务(天津)有限公司,天津 300457
文献出处：
引用格式：
[1]李少青;朱洪林;黄海波;王海英;丁渭平-.自适应均衡学习的端到端类人驾驶控制决策网络)[J].汽车工程学报,2022(06):782-792
A类：
自适应均衡学习,均衡学习,Comma2k19
B类：
类人驾驶,驾驶控制,控制决策,端到端自动驾驶,驾驶行为,维特,一个包,长短期,记忆网络,Conv,前方,视觉感知,感知图像,时空特征提取,一维卷积,Long,Short,Term,Memory,状态信息,任务参数,参数共享,共享方式,行当,方向盘,车速,列作,辅助任务,督促,纵横向控制,控制参数,参数学习,损失量,学习速度,权重自适应,自适应方法,容差,训练效果,多任务学习
AB值：
0.347094
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。
