原文传递
人机共驾下的无人车自动驾驶能力渐进增强技术研究
| 论文题名： | 人机共驾下的无人车自动驾驶能力渐进增强技术研究 |
| 关键词： | 汽车自动驾驶系统;人机共驾;深度强化学习;渐进优化能力 |
| 摘要： | 近年来，随着计算机技术和人工智能技术的飞速发展，自动驾驶技术在此基础上取得不断创新和突破。然而，由于受技术发展水平和社会接受程度等限制，现阶段完全自动驾驶系统还无法大规模应用落地。为此，从人机协同角度出发，实现更加智能的人机共驾模式，使无人车控制模型具备持续学习功能，以提升无人车自动驾驶能力变得尤为重要。鉴于此，本文重点针对真实环境中无人车自主驾驶行为的持续学习问题，深入研究了人在回路的车辆驾驶行为合理性评估方法，以及基于深度强化学习的无人车自动驾驶能力渐进增强技术。论文的主要工作和成果如下： 1)给出了一种人在回路的无人车自动驾驶能力渐进增强系统结构。该结构充分利用人机混合智能，通过人类有限的指导和反馈来优化车辆的自主驾驶行为，使无人车的自主导航能力得到渐进增强，以提升系统的可靠性和环境适应性。 2)提出了一种具有渐进优化能力的车辆驾驶行为合理性评估方法。首先构建了基于深度神经网络的车辆驾驶行为合理性评估模型，实现了从车载序贯前视图像到驾驶行为合理性评估的映射，在此基础上提出了一种基于人机协同的合理性评估渐进优化方法。实车试验结果表明，驾驶行为合理性评估模型可以实现从虚拟环境到真实场景的有效迁移，并可以通过本文提出的人机协同机制使评估模型的性能在实际环境中得到持续优化。 3)提出了一种人机共驾下的无人车自动驾驶能力渐进增强方法。基于深度强化学习理论，构建了基于深度确定性策略梯度算法的无人车自主驾驶行为控制模型；以车辆驾驶行为合理性评估模型为核心，设计了面向深度确定性策略梯度算法的车辆驾驶行为回报函数，并通过引入合理的人机协同机制，运用虚实结合的训练方式，实现对回报函数和无人车自主驾驶模型的渐进优化学习。实车试验结果表明，本文方法不仅可以实现无人车自主驾驶行为的持续优化学习，而且可以学习人类驾驶员的个性化驾驶风格，有效提升了无人车自主导航的环境适应性。 |
| 作者： | 陈杰 |
| 专业： | 控制工程 |
| 导师： | 史美萍 |
| 授予学位： | 硕士 |
| 授予学位单位： | 国防科技大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
