本发明基于神经网络以及深度强化学习做了一个融合运用,采用多层网络架构丰富对于轨迹预测的已知量导入,能够在避免过拟合的情况下进一步提升对于轨迹预测的精度,同时采用DDPG强化学习网络架构,其属于介于“监督学习”和“非监督学习”之间的一种架构,能够进一步提升算法的鲁棒性,避免针对非训练数据集的情况出现太差的效果,进一步保障车辆行驶的安全性与算法的鲁棒性提升。
声明:
“基于深度强化学习与神经网络的轨迹预测模型方法、系统及装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)