自动驾驶算法——强化学习（一）

文章预览

原文lecture作者：Andreas Geiger 教授、博士 / 自主视觉小组/图宾根大学 /MPI-IS. 1.马尔可夫决策过程 到目前为止：          1.学习，需要大量专家演示          2.使用辅助短期损失函数          3.模仿学习：动作的每帧损失          4.直接感知：可供性指标的每帧损失     现在：          1.基于我们真正关心的损失学习模型，例如：              (1) 最小化到达目标位置的时间              (2) 最小化碰撞次数              (3) 最小化风险              (4) 最大化舒适度  欢迎加入自动驾驶实战群 学习的类型 1. 监督学习： （1）数据集：{(xi , yi)} (xi = 数据, yi = 标签) 目标： 学习映射 x 7→ y （2）示例：分类、回归、模仿学习、可供性学习等。 2. 无监督学习： （1）数据集：{(xi)} (xi = 数据) 目标：发现数据底层结 ………………………………