AutodriveCar_RL_Agent

简介：
AutodriveCar_RL_Agent是一款基于强化学习算法开发的自动驾驶汽车智能代理程序，旨在通过模拟环境中的交互不断优化驾驶策略。 AutoDriveCar_RL_Agent 这个仓库旨在整理近年来使用强化学习进行自动驾驶决策的研究文献和代码，便于大家全面了解该领域。驾驶一辆汽车是一个复杂的决策问题，而作为策略学习器的强化学习非常适合解决这类问题，并且具有广阔的应用前景。尽管目前还处于实验研究阶段，尚未完全接管实际应用，但最终会成为主流决策方案。 从最初的模仿人类驾驶行为开始，小RL逐渐学会了直线行驶等基础技能；随后通过逆向强化学习（IRL）来解析和复制人类驾驶员的激励机制，并且最近可以在CALAR仿真器中实现端到端地控制汽车在复杂城市道路中的运行。这些进展表明该领域正在不断成熟和发展。 根据不同的研究方法，可以将相关文献细分为多种类型：基于策略的方法包括on-policy 和off-policy；模仿学习（Imitation learning）和逆强化学习 (Inverse Reinforcement Learning) 等都属于特定的技术流派；此外还可以按是否对环境进行建模来分类为模型驱动型(Model-based)或无模型驱动型(model-free)。