《表4 实时性测试结果:基于深度时空Q网络的定向导航自动驾驶运动规划》
模型实时性也是自动驾驶的一个重要指标,直接反映了该模型从接收图像输入到输出相应的驾驶动作需要的时间。对于高速行驶的汽车,实时性显得尤为重要,本文分别测试了DQN模型、A3C模型、DSTQN模型和模仿学习模型在四条测试路径上的平均决策时间,如表4所示。可以看到四种方法决策时间均小于0.2 s,本文设置图像显示帧率为每秒5帧,故四种方法均可在当前帧完成决策。由于DQN方法模型结构较为简单,实时性较高而决策效果不佳;A3C方法决策时间较长,若帧率过大则无法完成决策;DSTQN方法和模仿学习方法决策时间都较短,能够充分满足决策问题对实时性的要求。
图表编号 | XD00163200600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.10 |
作者 | 胡学敏、成煜、陈国文、张若晗、童秀迟 |
绘制单位 | 湖北大学计算机与信息工程学院、湖北大学计算机与信息工程学院、湖北大学计算机与信息工程学院、湖北大学计算机与信息工程学院、湖北大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |