改进行为克隆与DDPG的无人驾驶决策模型

来源：计算机工程与应用杂志2024年第14期北京时间：

作者：李伟东, 黄振柱, 何精武, 马草原, 葛程

单位：大连理工大学 汽车工程学院，辽宁 大连 116024

摘要：无人驾驶技术的关键是决策层根据感知环节输入信息做出准确指令。强化学习和模仿学习比传统规则更适用于复杂场景。但以行为克隆为代表的模仿学习存在复合误差问题，使用优先经验回放算法对行为克隆进行改进，提升模型对演示数据集的拟合能力；原DDPG（deep deterministic policy gradient）算法存在探索效率低下问题，使用经验池分离以及随机网络蒸馏技术（random network distillation，RND）对DDPG算法进行改进，提升DDPG算法训练效率。使用改进后的算法进行联合训练，减少DDPG训练前期的无用探索。通过TORCS（the open racing car simulator）仿真平台验证，实验结果表明该方法在相同的训练次数内，能够探索出更稳定的道路保持、速度保持和避障能力。

关键词：无人驾驶,强化学习,模仿学习,决策算法,TORCS