您当前的位置: 首页 >  自动驾驶

张巧龙

暂无认证

  • 3浏览

    0关注

    1208博文

    0收益

  • 0浏览

    0点赞

    0打赏

    0留言

私信
关注
热门博文

我的天,强化学习还能用在自动驾驶领域?

张巧龙 发布时间:2022-03-25 10:27:40 ,浏览量:3

随着深度神经网络的兴起,强化学习在许多传统游戏中得到了稳步的发展,并在许多游戏中超越了人类。

强化学习研究的场景主要集中在机器人、游戏、棋牌等方面,然而,自动驾驶的强化学习研究却很难在现实场景中进行实车训练。因为强化学习需要试错,迭代训练等,真实路上是经不起测试的。所以,一般自动驾驶都使用仿真训练。但这样出来的模型又比较不适用于真实场景。

那么,针对这一问题,本次邀请到一位多伦多大学强化学习、自动驾驶、决策规划与控制方向博士,为大家分享一下自己的论文工作。让大家对强化学习与自动驾驶之前的关系进行深度了解。并且解析强化学习中的图强化学习在先进车辆系统中心发挥的作用,详细分析原理和实验、进行评估并给出结果。

69f974f5f3c3fda9ef7b6cacd352a2c6.png

仅需 0 元,扫描下方二维码

eebb2cd486d807a1bbcf34fa3cfdb0dc.png

注:一定要添加课程顾问

才能激活观看课程的权限哦

还有AI学习免费资料领取

添加人数比较多,请大家耐心等待

f1ed69d900a2bd9ba68cb141aa1df3a3.gif

01

主讲内容:

时老师首先为大家解释,强化学习与机器学习之间的关系;其次,以雅达利游戏为例介绍强化学习的问题是如何构建的;然后,进一步以智能网联车辆决策项目为例,讲解多智能体图强化学习的应用;最后,分析图强化学习的未来发展方向。

5a5cb08c42e8f231d42ab928db5331bb.png

02

课程大纲:

一、认识强化学习

二、强化学习问题

   2.1 智能体和环境的关系

   2.2 雅达利的游戏

三、多智能体图强化学习用于智能网联车辆决策

   3.1 先进车辆系统中心的控制结构

   3.2 图注意力机制

   3.3 MARL-CAVG结构

   3.4 实验设计与性能比较

四、图强化学习的未来

03

讲师介绍:

时老师

· 多伦多大学强化学习、自动驾驶、决策规划与控制方向博士;

· 在IEEE IV、IEEE ITSC、ICML、NeurIPS发表多篇高水平论文;

· Momenta、旷视、创新工厂、轻舟智航、蒙特利尔机器学习研究所工作学习经历;

· 参与多项人工智能项目孵化,承担多项科研课题,有丰富的教学授课工作经验。

04

免费礼包:

想入门AI行业,基础学习必不可少,这些免费学习资料大礼包,4本AI好书和8份人工智能知识图谱,帮你成长。

8cde41f524ad0010652637f9c66ffe60.png

《Artificial Intelligence A Modern Approach 人工智能——一种现代方法》:人工智能的扛鼎之作,MIT,斯坦福,哈佛等诸多名校的人工智能教材首选,适用于期望成为真正的人工智能专业人士以及接受系统训练的同学。

《深度学习:Deep Learnin》:从基本的统计学和微积分讲起,帮助掌握最先进的深度学习技术。适用于使用与希望对现代深度学习体系、原理以及方法又系统化学习方式的同学。

《动手学机器学习:Hands-On Machine Learning》:纯代码驱动,从理论到实践的最佳方式,从懂得理论到能解决问题。适用于希望能够代码时间解决人工智能问题的同学。

《流畅的Python:Fluent Python》:适用于掌握基础Python编程能力,希望能够掌握更加良好的编程能力,成为真正的编程“职业选手”的同学。

想免费领取AI书籍和人工智能知识图谱(高清版)的同学,请扫描下方二维码报名课程添加。

仅需 0 元,扫描下方二维码

c5dfcfa21b9b2c378905fcd6032d6381.png

注:一定要添加课程顾问

才能激活观看课程的权限哦

还有AI学习免费资料领取

添加人数比较多,请大家耐心等待

6f64339b0eb333650fa2792e48179a68.gif

关注
打赏
1665727216
查看更多评论
立即登录/注册

微信扫码登录

0.3137s