Un enfoque seguro y eficiente para la toma de decisiones de cambio de carril en la conducción autónoma basado en el aprendizaje profundo por refuerzo
Autores: Lv, Kexuan; Pei, Xiaofei; Chen, Ci; Xu, Jie
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un enfoque seguro y eficiente para la toma de decisiones de cambio de carril en la conducción autónoma basado en el aprendizaje profundo por refuerzo
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Aprendizaje por refuerzo
Conducción autónoma
Aprendizaje profundo por refuerzo
Planificación de movimiento
Cambio de carril
Reglas de seguridad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Como una rama indispensable del aprendizaje automático (ML), el aprendizaje por refuerzo (RL) juega un papel destacado en el proceso de toma de decisiones de la conducción autónoma (AD), lo que permite a los vehículos autónomos (AVs) aprender una estrategia de conducción óptima a través de la interacción continua con el entorno.
Descripción
Como una rama indispensable del aprendizaje automático (ML), el aprendizaje por refuerzo (RL) juega un papel destacado en el proceso de toma de decisiones de la conducción autónoma (AD), lo que permite a los vehículos autónomos (AVs) aprender una estrategia de conducción óptima a través de la interacción continua con el entorno.