مروری بر نقش یادگیری تقویتی در سیستم های خودران

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 45

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICECM09_036

تاریخ نمایه سازی: 27 اسفند 1403

چکیده مقاله:

یاد گیری تقویتی به عنوان یکی از برترین روش های یادگیری ماشین، ایفای نقش مهمی در توسعه سیستم های خودران را دارد. با اینروش، خودروهای خودران می توانند از تجربیاتشان در تصمیم گیری های بهینه در شرایط پیچیده شهری استفاده کنند. از کاربردهایآن می توان به حرکت، سرعت، و طراحی مسیرهای ایمن و بهینه اشاره کرد. ایم مقاله مروری به سه روش نوین یادگیری تقویتی دررانند گی خودکار اشاره دارد. اول، استفاده از ساختارهای سلسله مراتبی برای تفکیک وظایف پیچیده و بهبود تصمیم گیری است. دوم،ترکیب برنامه ریزی مسیر با یادگیری تقویتی بدون مدل، که به عملکرد بهتری در شبیه سازی ها می انجامد، اما با محدودیت هایی نظیراستفاده از اقدامات گسسته مواجه است. سوم، بررسی سیاست های توزیعی بازگشتی IQN است که سعی در کاهش رفتارهایمحتاطانه سیاست های سنتی دارد. با همه این پیشرفت ها، باز هم مسائلی در یک خودرو مانند تنظیم حساسیت ریسک و آزمایشاتدر شرایط عملی وجود دارد که نیاز به توجه دارد. تحقیقات آتی می تواند به کمک عملکرد خودروهای خودران آید

کلیدواژه ها:

یاد گیری تقویتی ، سیستم های خودران ، تصمیم گیری در رانندگی خودران ، کنترل حرکت خودروهای خودران ، ایمنی درسیستم های خودران

نویسندگان

نازنین صالح امین

دانشجوی دکترا، گروه کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران

کامبیز مجیدزاده

استادیار، گروه کامپیوتر ، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران