Aprendizaje profundo de refuerzo para control de seguimiento de automóviles basado en predicción de movimiento de múltiples vehículos
Autores: Wang, Tao; Qu, Dayi; Wang, Kedong; Dai, Shouchen
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Aprendizaje profundo de refuerzo para control de seguimiento de automóviles basado en predicción de movimiento de múltiples vehículos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Aprendizaje por refuerzo
Control de seguimiento de vehículos
Comunicación de vehículo a vehículo
Vehículos autónomos conectados
Gradiente de política determinista profunda y retrasada gemela
Módulo de secuencia a secuencia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
El rendimiento de la estrategia de control de seguimiento de automóviles (CF) basada en RL, que predice con TD3, supera a los algoritmos de RL estándar en velocidad de convergencia y recompensas, así como a los conductores humanos en seguridad, eficiencia, comodidad y consumo de combustible.
Descripción
El rendimiento de la estrategia de control de seguimiento de automóviles (CF) basada en RL, que predice con TD3, supera a los algoritmos de RL estándar en velocidad de convergencia y recompensas, así como a los conductores humanos en seguridad, eficiencia, comodidad y consumo de combustible.