本发明属于自动驾驶控制方法技术领域,具体涉及一种基于强化学习的智能自动驾驶控制方法,通过使用开源的物理引擎PyBullet建立模拟环境,设计以圈速为评价标准的自动驾驶赛车任务,完成一圈赛道的自动驾驶,并且不发生任何碰撞,建立一个基于URDF模型的刚体汽车模型,并利用汽车模型模拟激光雷达的输入;将设计的任务转化为一个部分可观测的马尔可夫决策过程;基于python语言,利用Tensorflow框架,建立Dreamer算法模型;对输入的激光雷达信息进行预处理等处理过程,实现自动驾驶算法的快速训练,不需要设计复杂的控制策略和调试控制参数,且具有良好的泛化性和迁移性,可以适应不同的模拟与现实环境,有良好的自动驾驶效果。
声明:
“基于强化学习的智能自动驾驶控制方法” 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)