重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (7): 17-27.doi: 10.3969/j.issn.1674-8425(z).2021.07.003

• “智能网联汽车”专栏 • 上一篇    下一篇

基于改进深度强化学习的自动泊车路径规划

陈 鑫，兰凤崇，陈吉清   

  1. 华南理工大学 机械与汽车工程学院／广东省汽车工程重点实验室，广州 ５１０６４０
  • 收稿日期:2021-01-17 发布日期:2021-08-11
  • 作者简介:陈鑫，男，硕士研究生，主要从事智能驾驶车辆的路径规划方法研究，Ｅｍａｉｌ：ｓｉｎｇ＿ｃｈａｎ＠ｑｑ．ｃｏｍ；通讯作者 陈 吉清，女，博士，教授，主要从事现代车辆结构与安全理论、智能与新能源汽车技术方面的研究，Ｅｍａｉｌ：ｃｈｊｑ＠ ｓｃｕｔ．ｅｄｕ．ｃｎ。
  • 基金资助:
    国家自然科学基金项目（５１７７５１９３）；广东省科技计划项目（２０１５Ｂ０１０３７００２）；广东省自然科学基金项目 （２０１８Ａ０３０３１３７２７）

  • Received:2021-01-17 Published:2021-08-11

PDF (PC)

1314

赞

摘要： 提出一种基于深度强化学习的运动规划方法，以车辆位姿、方向盘转角和与障碍物 的最小距离作为状态，以目标方向盘转角作为动作，通过 Ｐｙｔｏｒｃｈ搭建了基于深度强化学习的泊 车算法框架。设计基于引导的奖励函数以避免奖励稀疏问题；以回合平均奖励作为优先级，将 经验池改进为基于优先队列对样本进行存储和淘汰；针对泊车问题，提出了基于课程学习的分 阶段训练方法，加速算法收敛。仿真结果表明：提出的算法较原始算法收敛速度提高 ２５％，完 成训练的智能体具有较强的规划能力和健壮性，规划成功率达到 ９０．６％，同时具有良好的舒适 性和安全性。

关键词: 自动泊车, 路径规划, 深度强化学习, 课程学习

中图分类号: 

  • U463.33