Dec, 2019

自主车辆控制的深度学习应用调查

PDF
TL;DR这篇论文调查了应用深度学习方法控制汽车的研究进展和存在的挑战，研究重点在于车辆控制而非感知问题，涵盖计算、架构、目标、泛化、验证和安全方面的探讨，为智能交通系统相关的领域提供及时有效的信息。
autonomous vehiclesdeep learningvehicle controlperformanceresearch challenges
发现论文，激发创造
  • 自动驾驶深度学习技术综述

    本文旨在调查深度学习技术在自驾车领域中的最新进展及其强项与局限性，涵盖了基于人工智能的自动驾驶架构、卷积和循环神经网络、深度强化学习范式等内容，以及感知、路径规划、行为仲裁和运动控制算法。同时，重点探讨了当今在设计自动驾驶人工智能架构中所面临的挑战，如安全性、训练数据源和计算硬件等。

    Oct, 2019

  • 基于深度学习的计算机视觉在自动驾驶技术中的应用研究

    该研究探索了深度学习在自动驾驶计算机视觉技术中的应用及其对系统性能的改进影响。研究结果表明，深度学习技术可以显著提高自动驾驶系统的准确性和实时响应能力。尽管在环境感知和决策支持方面仍存在挑战，但随着技术的进步，预计未来能实现更广泛的应用和更大的潜力。

    Jun, 2024

  • 高速行驶中深度学习的实证评估

    本文基于大量的实证评估，探讨了近期深度学习技术在高速公路感知场景中的应用，通过使用神经网络对车道和车辆进行检测，同时保证了实时性，证实了深度学习在自动驾驶领域的潜在应用价值。

    Apr, 2015

  • 智能车辆感知的深度迁移学习：综述

    本文是关于智能汽车感知领域的深度转移学习综述，讨论了传感器、数据以及模型带来的领域差异及其挑战。该综述总结了现有的应用、挑战和未来研究方向，以解决深度学习中的特征分布差异问题。

    Jun, 2023

  • 强化学习在车载系统中的统一自动控制

    本文提出了一种简化的车辆微观模拟方法，并使用深度强化学习优化了具有不同车辆组成的六个交通系统的控制策略，发现了类似于波浪消减、交通信号和匝道计量等的多种新行为，并分析了这些行为以获得可解释的控制策略。

    Jul, 2022

  • 基于深度学习的自主驾驶汽车行为预测综述

    综述了深度学习在自动驾驶车辆行为预测中的应用及其性能，针对输入表征、输出类型和预测方法等三个方面对最近的深度学习解决方案进行分类和审视，并探讨了研究中的差距和潜在的新的研究方向。

    Dec, 2019

  • 自主车辆运动规划深度强化学习调查

    本文研究了在自动驾驶车辆领域中，传感器技术、通信、安全、人工智能、机器学习、路线规划等多方面的应用，重点阐述了一种基于深度强化学习的层次运动规划方法，并以车跟、车道保持、轨迹跟踪、融合和交通压力等不同场景的自动驾驶为例，总结了现有解决方案的优缺点并提出未来研究方向和挑战。

    Jan, 2020

  • 自主导航深度学习应用和方法的最新进展 —— 一份综述

    本综述论文系统地总结了目前应用于自主导航中的端到端深度学习框架，包括障碍物检测、场景感知、路径规划和控制，并分析了最新的研究状况和评估深度学习方法的实施和测试。该论文强调了导航对于机动机器人、自动驾驶车辆和无人机的重要性，并讨论了深度学习方法在自主导航中存在的局限性、挑战和潜在增长领域。该综述为在自主导航和深度学习领域工作的研究人员和实践者提供了有价值的参考资源。

    Feb, 2023

  • 自动驾驶系统中数据集成的深度学习方法调查

    本文综述了近期深度学习与感知模块相结合的自动驾驶系统，介绍了针对何时、如何和何种方式集成多传感器测量的分类方法，提出了基于多视图、多模态和多帧的三维集成分类，总结了集成操作的优缺点，并讨论了理想数据集成方法的关键特性。

    Jun, 2023

  • 运用深度强化学习解决实际自动驾驶问题

    使用深层强化学习训练神经网络来实现自动驾驶规划栈中的控制系统，不仅使模拟环境中的自动驾驶汽车能够在没有障碍物的情况下平稳、安全地行驶，在真实世界城市中也能表现出良好的泛化能力。

    Jul, 2022