一种基于深度强化学习的地面无人车自主驾驶方法及系统,所述方法包括:通过行车环境仿真模块输出行车环境图像和对应的分割环境图像及当前行车状态是否结束的信号,车辆模型控制模块接收控制指令和当前行车状态是否结束的信号并执行车辆动作;评分模块根据分割环境图像的像素信息自动生成标准参考路径,对车辆当前行车状态进行评分;深度强化学习神经网络模块对行车环境图像进行分析计算,分析当前行车环境,给出预测车辆动作;经验池模块将上述信息进行汇总保存。本发明通过上述方法和系统可在复杂路面状况及不同车辆模型下得到理想的实际行车轨迹。
声明:
“基于深度强化学习的地面无人车自主驾驶方法及系统” 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)