检索范围：
排序： 展示方式：
基于混合强化学习的自动驾驶汽车行人避撞方法 Research Article
李惠乾1,黄晋1,曹重1,杨殿阁1,钟志华2
《信息与电子工程前沿（英文）》 2023年 第24卷 第1期 页码 131-140 doi: 10.1631/FITEE.2200128
关键词： 行人；混合强化学习；自动驾驶汽车；决策
人在回路的深度强化学习算法及其在自动驾驶智能决策中的应用 Article
吴京达, 黄志宇, 胡中旭, 吕辰
《工程（英文）》 2023年 第21卷 第2期 页码 75-91 doi: 10.1016/j.eng.2022.05.017
由于机器学习智能和能力有限，它目前仍无法处理各种情况，因此不能在现实应用中完全取代人类。因为人类在复杂场景中表现出稳健性和适应性，所以将人类引入人工智能（AI）的训练回路并利用人类智能进一步提升机器学习算法变得至关重要。本研究开发了一种基于实时人类指导（Hug）的深度强化学习
（DRL）方法，用于端到端自动驾驶案例中的策略训练。通过新设计的人类与自动化之间的控制转移机制，人类能够在模型训练过程中实时干预和纠正智能体的不合理行为。本研究通过40 名受试者的人在回路实验对开发的方法进行了验证，并与其他最先进的学习方法进行了比较。
面向强化学习自动驾驶模型的异步监督学习预训练方法 Research Articles
王云鹏,郑坤贤,田大新,段续庭,周建山
《信息与电子工程前沿（英文）》 2021年 第22卷 第5期 页码 615-766 doi: 10.1631/FITEE.1900637
迈向L5级自动驾驶汽车的发展原则 Article
王建强, 黄荷叶, 李克强, 李骏
《工程（英文）》 2021年 第7卷 第9期 页码 1313-1325 doi: 10.1016/j.eng.2020.10.018
自动驾驶汽车的快速发展给现有交通出行方式带来了全新面貌和潜在挑战。然而，针对L5 级自动驾驶汽车的发展思路始终未明确，而现有针对L0~L4级自动驾驶发展过程的研发方式主要基于任务驱动来进行特定场景下的功能开发，难以揭示高等级自动驾驶汽车所需解决问题的本质逻辑和物理机制本文通过探索高等级自动驾驶系统背后的物理机制，并从驾驶的本质出发，采用推理演绎方式，提出“大脑-小脑-器官”协调平衡框架，基于“乌鸦推理+鹦鹉学舌”的混合模式，探索“自主学习+先验知识”的研究范式，实现自动驾驶汽车“自学习、自适应、自超越”特性。从系统、统一、均衡的角度出发，基于最小作用量原理和统一安全场思想，旨在为高等级自动驾驶汽车，尤其是L5 级自动驾驶的研发提供一种全新的研发思路与有效途径。
基于专家示教聚类经验池的高效深度强化学习 Research Article
王士珉1,赵彬琦1,张政锋1,张军平1,浦剑2
《信息与电子工程前沿（英文）》 2023年 第24卷 第11期 页码 1541-1556 doi: 10.1631/FITEE.2300084
刘经南,董杨,詹骄,高柯夫
《中国工程科学》 2019年 第21卷 第3期 页码 92-97 doi: 10.15302/J-SSCAE-2019.03.004
自动驾驶地图作为实现汽车自动驾驶的关键基础设施，对于推动我国自动驾驶领域的商业化开发至关重要。现阶段，我国受地图测绘、应用和监管等相关法律法规的制度掣肘，在自动驾驶地图的产业化进程方面相对滞后。为此，本文着重分析了我国在自动驾驶地图开发、应用和管理中面临的主要政策法规问题：自动驾驶地图是否需加密的问题、自动驾驶地图部分地理信息表达受限的问题、自动驾驶地图地理信息采集资质和审图流程的问题、自动驾驶地图事故责任和保险问题、自动驾驶地图相关测试规范和测试场景问题。同时结合国内外自动驾驶领域的发展趋势，给出加快我国自动驾驶汽车开发和商业化进程的四点建议：制定自动驾驶地图管理模式、允许自动驾驶地图应用试点及有序开放、适当放开企业权限及优化审核流程、建立国家级自动驾驶地图平台
智能城市(iCity) 中自动驾驶汽车工业的关键挑战——高清地图 Perspective
Heiko G. Seif,胡晓龙
《工程（英文）》 2016年 第2卷 第2期 页码 159-162 doi: 10.1016/J.ENG.2016.02.010
本文对未来城市中自动驾驶的必要技术进行了深入的分析，从车载电脑运算、数据处理、路边基础设施和云解决方案等不同方面反映了科技的发展状况，主要对自动驾驶的核心技术——高清地图的应用所带来的挑战进行了描述
一种用于自动驾驶的车辆概率性长期轨迹预测框架 Article
刘金鑫, 罗禹贡, 钟志华, 李克强, 黄荷叶, 熊辉
《工程（英文）》 2022年 第19卷 第12期 页码 228-239 doi: 10.1016/j.eng.2021.12.020
在混合动态交通环境中，准确地预测周围车辆长期范围内的运动轨迹是自动驾驶车辆（AV）实现合理行为决策和保障行车安全不可或缺的前提条件之一。本文提出了一种车辆长期轨迹预测的概率框架，由驾驶意图推理模型（DIM）和轨迹预测模型（TPM）组成。DIM基于动态贝叶斯网络进行设计和应用，用于准确推断车辆潜在的驾驶意图。
熊珞琳,唐漾,刘臣胜,毛帅,孟科,董朝阳,钱锋
《信息与电子工程前沿（英文）》 2023年 第24卷 第9期 页码 1261-1272 doi: 10.1631/FITEE.2200667
NIG-AP：一种自动化渗透测试新方法 Regular Papers-Research Articles
Tian-yang ZHOU, Yi-chao ZANG, Jun-hu ZHU, Qing-xian WANG
《信息与电子工程前沿（英文）》 2019年 第20卷 第9期 页码 1277-1298 doi: 10.1631/FITEE.1800532
碳配额市场下以乙醇胺溶液进行碳捕集的电厂的优化竞标和运行：基于强化学习的Sarsa时间差分算法的解决
李子昂, 王美宏, 丁正桃
《工程（英文）》 2017年 第3卷 第2期 页码 257-265 doi: 10.1016/J.ENG.2017.02.014
对于处在碳配额市场条件下以乙醇胺(MEA) 进行碳捕集的燃煤电厂，本文应用了基于强化学习的Sarsa 时间差分算法为其自行搜寻一种统一的竞标和运行策略。电厂的决策者的目的被定义为最大化电厂寿命下的贴现累计利润。第二个案例中，相互独立设计的运行和竞标策略与统一设计的运行和竞标策略相互比较，以表明加入了随时间变化、市场导向的碳捕集水平后，Sarsa 算法将有助于电厂决策者获得更高的贴现累计利润。比较两家电厂的贴现累计利润，结果表明：采用Sarsa 学习算法、找到统一的竞标和运行策略的原电厂会更具竞争力。
一种适用于自动驾驶汽车的多层地图模型和车道级轨迹规划 Article
江昆, 杨殿阁, 柳超然, 张涛, 肖中阳
《工程（英文）》 2019年 第5卷 第2期 页码 305-318 doi: 10.1016/j.eng.2018.11.032
越来越多的司机依赖于汽车或手机上的电子地图导航系统来选择最佳的驾驶路线，以节省时间和提高安全性，在不久的将来，电子地图和导航系统有望在未来交通运输系统中发挥更大的作用。为了将现有的导航系统扩展到更多的应用领域，如自动驾驶，需要考虑在传统道路地图模型的基础上，建立车道级地图模型和车道级轨迹规划。本研究针对传统电子地图内容不够丰富的局限性，提出了一种全新的七层自动驾驶地图结构模型，并将它命名为清华地图模型。考虑车辆换道、转向和直行等不同行车特点，建立了车道级路段行车代价模型，建立一种分层路径轨迹搜索方法，能够在道路和车道网络中实现快速的轨迹规划，能够很好地支持自动驾驶的车道级轨迹规划。
MDLB：一种基于强化学习的元数据动态负载均衡机制 Research Articles
武兆琪1,卫今2,3,张帆1,郭威1,谢光伟2,3
《信息与电子工程前沿（英文）》 2020年 第21卷 第7期 页码 963-1118 doi: 10.1631/FITEE.1900121
带有网络智能体的去中心化多智能体强化学习进展 Review Article
张凯清1,杨卓然2,Tamer BAŞAR1
《信息与电子工程前沿（英文）》 2021年 第22卷 第6期 页码 802-814 doi: 10.1631/FITEE.1900661
标题 作者 时间 类型 操作
京公网安备 11010502051620号
