一种基于深度强化学习的地面无人车智能决策方法及系统,所述方法包括:深度强化学习决策网络对采集的车辆信息和环境信息进行分析和计算,得出不同的特征表达,并对环境特征表达进行分析,做出智能决策;评分模块利用驾驶员行车特征表达对当前行车状态进行判断和评分,并记录当前评分分数与当前行车状态终止次数;经验池对当前行车状态进行终止状态评定,并对行车环境状态、评分、决策结果与终止状态作为经验存储;随机提取多条经验对深度强化学习决策网络进行参数调整,得到环境感知与智能决策一体化的深度网络模型。本发明实现了利用该一体化模型直接进行从环境到决策的判断,解决了目前无法在复杂道路环境条件下实现地面无人车智能决策的问题。
声明:
“基于深度强化学习的地面无人车智能决策方法及系统” 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)