计算机应用

作者：胡学敏, 成煜, 陈国文, 张若晗, 童秀迟

单位：湖北大学 计算机与信息工程学院, 武汉 430062

关键词：自动驾驶,运动规划,强化学习,深度时空Q网络,定向导航

基金：国家自然科学基金资助项目（61806076）；湖北省自然科学基金资助项目（2018CFB158）；湖北省大学生创新创业训练计划项目（S201910512026）。

针对目前基于机器学习的自动驾驶运动规划需要大量样本、没有关联时间信息，以及没有利用全局导航信息等问题，提出一种基于深度时空Q网络的定向导航自动驾驶运动规划算法。首先，为提取自动驾驶的空间图像特征与前后帧的时间信息，基于原始深度Q网络，结合长短期记忆网络，提出一种新的深度时空Q网络；然后，为充分利用自动驾驶的全局导航信息，在提取环境信息的图像中加入指向信号来实现定向导航的目的；最后，基于提出的深度时空Q网络，设计面向自动驾驶运动规划模型的学习策略，实现端到端的运动规划，从输入的序列图像中预测车辆方向盘转角和油门刹车数据。在Carla驾驶模拟器中进行训练和测试的实验结果表明，在四条测试道路中该算法平均偏差均小于0.7 m，且稳定性能优于四种对比算法。该算法具有较好的学习性、稳定性和实时性，能够实现在全局导航路线下的自动驾驶运动规划。

来源：2020年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第7期