关键词：路径规划 智能车辆 强化学习 深度学习 车辆模型 

摘要：针对智能驾驶车辆传统路径规划中出现车辆模型跟踪误差和过度依赖问题,提出一种基于深度强化学习的模型迁移的智能驾驶车辆轨迹规划方法.首先,提取真实环境的抽象模型,该模型利用深度确定性策略梯度(DDPG)和车辆动力学模型,共同训练逼近最优智能驾驶的强化学习模型;其次,通过模型迁移策略将实际场景问题迁移至虚拟抽象模型中,根据该环境中训练好的深度强化学习模型计算控制与轨迹序列;而后,根据真实环境中评价函数选择最优轨迹序列.实验结果表明,所提方法能够处理连续输入状态,并生成连续控制的转角控制序列,减少横向跟踪误差;同时通过模型迁移能够提高模型的泛化性能,减小过度依赖问题.

控制理论与应用杂志要求:

{1}原稿中图、表集中附于文后，分别按其在正文中出现的先后次序连续编码。每幅图表应冠有图（表）题。说明性的文字应置于图（表）下方注释中，并在注释中标明图表中使用的全部非公知公用的缩写。

{2}3个月内未接到用稿通知，作者可自行处理。

{3}来稿所涉及的课题如属于基金资助项目，应于文题页左下方加以注释，并附基金证书复印件。

{4}正文标题：内容应简洁、明了。标题层次一级标题用“一、二、……”来标识，二级标题用“（一）、（二）、……”来标识，三级标题用“1.2.”来标识，四级标题用“（1）（2）”来标识。一般不宜超过4层。

{5}注释均采用当页脚注连排，标号为①、②、③……

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社