《表2 动作设置奖励：基于强化学习的两轮模型车控制仿真分析》
提示：宽带有限、当前游客访问压缩模式
模型车的动作集共有3种:前进、左转、右转。根据所涉及的地图环境和先验知识，分别进行设置，具体奖励值如表2所示。
| 图表编号 | XD00118918900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.18 |
| 作者 | 晋帅、李煊鹏、何嘉颖、李纾昶、周敬淞 |
| 绘制单位 | 东南大学仪器科学与工程学院、东南大学仪器科学与工程学院、东南大学仪器科学与工程学院、东南大学仪器科学与工程学院、东南大学仪器科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 训练信息：基于深度强化学习的自动驾驶车控制算法研究》2020.07.10
- 《表2 仿真参数设置：基于混合整数规划的智能网联车冲突区时序优化模型》2021.03.01
- 《表2 弹簧刚度：基于模糊强化学习的多柔性梁振动控制仿真》2021.02.01
- 《表1 材料属性：基于模糊强化学习的多柔性梁振动控制仿真》2021.02.01
- 《表1 模型参数：基于强化学习的四旋翼无人机控制律设计》2021.02.25
- 《表3 不同方法对比：基于改进Faster R-CNN算法的两轮车视频检测》2020.05.01
- 《表2 训练参数：基于改进Faster R-CNN算法的两轮车视频检测》2020.05.01
- 《表2 即时回报参数设置：基于深度强化学习的弹道导弹中段突防控制》2020.08.28
- 《表1 动作设置：深度强化学习在路径规划中的应用研究》2020.03.30
- 《表1 仿真参数设置：基于强化学习的卫星网络资源调度机制》2019.12.01
- 《表1 AGC参数设置：基于深度强化学习的泛在电力物联网综合能源系统的自动发电控制》2020.02.20
- 《表3 算法参数设置：基于强化学习的两轮模型车控制仿真分析》2019.12.18
- 《表A1仿真场景描述：基于强化学习的多微电网分布式二次优化控制》2020.03.10
- 《表5 奖励函数的设置：基于深度强化学习的行星车路径规划方法研究》
- 《表2 动作划分表：基于深度强化学习的行星车路径规划方法研究》
- 《表2 仿真初始条件：基于深度强化学习的智能PID控制方法研究》2019.09.01
- 《表2 仿真时隙参数设置：基于随机森林强化学习的干扰智能决策方法研究》2019.09.10
- 《表1 动作值表：基于深度强化学习的图像修复算法设计》2019.06.20
- 《表1 仿真参数设置：基于强化学习的无人机自主机动决策方法》2019.04.01
- 《表2 仿真工况设置：电动物流车驱动电机冷却系统最优温度控制》2018.12.01