原文传递
基于逆向强化学习的驾驶员行为建模方法
| 专利名称： | 基于逆向强化学习的驾驶员行为建模方法 |
| 摘要： | 本发明公开了一种基于逆向强化学习的驾驶员行为建模方法，具体包括如下步骤：S1，构建驾驶环境特征提取器，用于提取构建回报函数的特征；S2，构建回报函数生成器，用于驾驶策略的获取；S3，构建驾驶策略获取器，完成驾驶策略的构建；S4，判断获取器构建的最优驾驶策略，其是否满足评判标准；若不满足，则重复执行步骤S2重新构建回报函数，重复构建最优驾驶策略，反复迭代，直到满足评判标准；最终获得描述真实驾驶示范的驾驶策略。本申请可以对于新的状态场景进行适用，来获得其对应动作，大大提高了建立的驾驶员行为模型的泛化能力，适用场景更广，鲁棒性更强。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 辽宁;21 |
| 申请人： | 大连大学 |
| 发明人： | 邹启杰;李昊宇;裴炳南 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810660203.1 |
| 公开号： | CN108819948A |
| 代理机构： | 大连智高专利事务所(特殊普通合伙) 21235 |
| 代理人： | 盖小静 |
| 分类号： | B60W40/09(2012.01)I;B60W50/00(2006.01)I;B;B60;B60W;B60W40;B60W50;B60W40/09;B60W50/00 |
| 申请人地址： | 116622 辽宁省大连市经济技术开发区学府大街10号 |
| 主权项： | 1.一种基于逆向强化学习的驾驶员行为建模方法，其特征在于，具体包括如下步骤：S1，构建驾驶环境特征提取器，用于提取构建回报函数的特征；S2，构建回报函数生成器，用于驾驶策略的获取；S3，构建驾驶策略获取器，完成驾驶策略的构建；S4，判断获取器构建的最优驾驶策略，其是否满足评判标准；若不满足，则重复执行步骤S2重新构建回报函数，重复构建最优驾驶策略，反复迭代，直到满足评判标准；最终获得描述真实驾驶示范的驾驶策略。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
