机构名称：
¥ 1.0
除了上述方法外，在改变环境条件和在线学习的情况下，增强学习（RL）可以具有更大的性能和适应性，这使其成为开发自动驾驶代理的重要方法。对于当前最新应用的状态，深入加固学习（DRL）是迄今为止最受接受和广泛使用的方法（Kiran等，2021）。这背后的主要原因是汽车控制的复杂性质，它需要一种足够精确的近似方法以在连续环境中操作车辆。Cutler＆How（2016）的作品，Bhattacharjee等。（2018），Cai等。 （2020）和Orgován等。 （2021）表明，即使在环境中增加了随机元素，基于模型的和模型的DRL都可以解决简单，更复杂的漂移问题。 进一步增强了这些结果，Domberg等。 （2022）引入了一种可以沿任意轨迹漂移的代理，显示了假定的概括能力（2018），Cai等。（2020）和Orgován等。（2021）表明，即使在环境中增加了随机元素，基于模型的和模型的DRL都可以解决简单，更复杂的漂移问题。进一步增强了这些结果，Domberg等。（2022）引入了一种可以沿任意轨迹漂移的代理，显示了假定的概括能力
ScienceDirect
主要关键词
相关文件推荐
