Prioritized experience replay-based DDQN for Unmanned Vehicle Path Planning

要約

経路計画モジュールは、自律車両ナビゲーションの重要なモジュールであり、運転効率と安全性に直接影響します。
多くの障害物がある複雑な環境では、従来の計画アルゴリズムではインテリジェンスのニーズを満たすことができないことが多く、無人車両のデッドゾーンなどの問題が発生する可能性があります。
この論文は、DDQN に基づく経路計画アルゴリズムを提案し、それを優先順位付けされたエクスペリエンス再生方法と組み合わせて、従来の経路計画アルゴリズムがデッドゾーンに陥ることが多いという問題を解決します。
一連のシミュレーション実験の結果は、DDQN に基づく経路計画アルゴリズムが速度と精度、特に極限環境におけるデッド ゾーンを突破する能力の点で他の方法よりも大幅に優れていることを証明しています。
研究によると、DDQN に基づくパス計画アルゴリズムは、パスの品質と安全性の点で優れたパフォーマンスを発揮します。
これらの研究結果は、自動運転車の自動ナビゲーションの研究に重要な参考となる。

要約(オリジナル)

Path planning module is a key module for autonomous vehicle navigation, which directly affects its operating efficiency and safety. In complex environments with many obstacles, traditional planning algorithms often cannot meet the needs of intelligence, which may lead to problems such as dead zones in unmanned vehicles. This paper proposes a path planning algorithm based on DDQN and combines it with the prioritized experience replay method to solve the problem that traditional path planning algorithms often fall into dead zones. A series of simulation experiment results prove that the path planning algorithm based on DDQN is significantly better than other methods in terms of speed and accuracy, especially the ability to break through dead zones in extreme environments. Research shows that the path planning algorithm based on DDQN performs well in terms of path quality and safety. These research results provide an important reference for the research on automatic navigation of autonomous vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google