您当前的位置：
首页 >
文章列表页 >
基于多类型传感数据的自动驾驶深度强化学习方法
更新时间：2025-05-26
上一篇|下一篇

    • 基于多类型传感数据的自动驾驶深度强化学习方法

    • Autonomous driving policy learning based on deep reinforcement learning and multi⁃type sensor data

    • “在自动驾驶领域，专家提出了基于多类型传感数据训练策略的方法，通过深度强化训练，有效控制车速和车辆横向偏移。”
    • 杨顺 ，蒋渊德 ，吴坚 ，刘海贞
    • 吉林大学学报（工学版） 2019年49卷第4期 页码：1026-1033
    • 作者机构：

      吉林大学 汽车仿真与控制国家重点实验室，长春 130022

    • 作者简介：

      杨顺（1991⁃），男，博士研究生.研究方向：汽车智能化技术及应用.E⁃mail:yangshun628@163.com

      吴坚（1979⁃），男，教授，博士.研究方向：汽车电子控制系统及智能化.E⁃mail: wujian@jlu.edu.cn

    • 基金信息：
      国家重点研发计划项目(2016YFB0100904)

    • DOI： 10.13229/j.cnki.jdxbgxb20180467     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 10 ) 表( 4 )

  • 参考文献

  • 出版信息

  • 数据统计

13

浏览量

11

下载量

11

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

深度强化学习智能驾驶汽车增广决策模型
信号交叉口网联电动汽车自适应学习生态驾驶策略
一种多感知多约束奖励机制的驾驶策略学习方法
考虑全局最优性的汽车微观动态轨迹规划
基于改进型DQN的无人机覆盖路径规划算法

相关作者

季言实
唱寰
谢波
田彦涛
丁昊楠
董昊轩
王茜
周朝宾

相关机构

吉林大学 通信工程学院
东南大学 机械工程学院
北京交通大学 电子信息工程学院
吉林大学 计算机科学与技术学院
吉林大学 软件学院