文件名称：MPC_RL_Car：2020Spring，ECE239AS（强化学习）的作业和课程项目存储库
文件大小：17.24MB
文件格式：ZIP
更新时间：2024-03-04 08:03:11
MaP，CaP，RaLly！ 随机环境中UGV计划和控制的混合架构 2020年Spring，ECE239AS（强化学习）的作业和课程项目资料库。讲师：Lin Yang博士。 （c）2020年Swapnil Sayan Saha（欧洲经济委员会，UCE系，NESL），Nathaniel Snyder（美国加利福尼亚大学洛杉矶分校，MAE系）和Brian Wang（美国，NESL，UCLA CS系） 随着无人地面车辆（UGV）的出现和商业化，在操作环境中安全，但实时地优化随机性将带来计算和实现的复杂性。 在本文中，我们对低延迟混合UGV控制器的性能进行了基准测试，该控制器结合了控制算法的长期目标收敛性保证和强化学习（RL）的短期鲁棒性，可以安全地指导UGV避免动态障碍，同时遵循近距离跟踪算法。最佳轨迹。 通过随机在线预言机的模仿学习，我们的评估表明，使用模型预测控制（MPC）和深度Q网络（D
【文件预览】：
MPC_RL_Car-master
----Assignment()
--------Problem_set.pdf(324KB)
--------HW1_Saha.pdf(457KB)
----README.md(1KB)
----Course Project()
--------BNS_final_report.pdf(4.06MB)
--------.DS_Store(6KB)
--------controller.jpg(665KB)
--------BNS_proposal.pdf(714KB)
--------code()
--------poster_Nat_Swap_Br.pdf(6.53MB)
--------BNS_milestone.pdf(170KB)