td宽度自适应_一文详解基于深度强化学习的无人车自适应路径规划方法

来源 | 知乎

知圈 | 进“高精度地图社群”，请加微信15221054164，备注地图

导读：本文选自知乎，作者详细介绍了基于深度强化学习(Deep Reinforcement Learning, DRL)的无人车自适应路径规划方法，并在无障碍环境、静态障碍环境、动态障碍环境下都取得了不错的效果。

目录

1. 前言

2. 主要研究内容

3. D3QN PER算法

----3.1 DQN算法

----3.2 Double DQN算法

----3.3 Dueling DQN算法

----3.4 优先经验回放

4. 环境特征融合方案

----4.1 自身状态信息处理方法

----4.2 激光雷达点云信息处理方法 ----4.3 视觉图像信息处理方法

----4.4 环境特征融合方案

5. 实验环境

----5.1 仿真实验环境的搭建 ----5.2 小车的动作空间划分 ----5.3 算法参数设置 ----5.4 奖励函数的设置

6. 效果展示

----6.1 无障碍环境

----6.2 静态障碍环境

----6.3 5个静态障碍+5个动态障碍环境

----6.4 10个动态障碍环境

7. 完整代码

----7.1 Software

----7.2 Installation

--------7.2.1 解决pointgrey_camera_driver编译不过的问题

前言

初衷是，在环境不是完全已知的情况下，希望行星车具备一定的自适应能力，应对环境发生的变化。所以，基于深度强化学习(Deep Reinforcement Learning, DRL)理论提出了端到端的路径规划方法，直接从传感器信息映射出动作指令再发布给行星车。同时采用不同的神经网络结构分别处理不同的传感器信息，最后将环境特征融合在一起，构成基于D3QN PER的多传感器行星车路径规划方法。

主要研究内容

主要研究内容如图：

技术途径：

D3QN PER算法 关于强化学习的一些基础知识，推荐大家去看专栏中关于David Silver课程的笔记：

搬砖的旺财：David Silver 增强学习——笔记合集(持续更新)

https://zhuanlan.zhihu.com/p/50478310

3.1 DQN算法

直接来看DQN的损失函数： 其中，   是目标Q网络，参数为   ，负责生成训练过程中的目标，即目标Q值   ；   是当前Q网络，参数为   ；值得注意的是，   和   的网络结构完全一致。 每训练C步，将当前Q网络的参数完全复制给目标Q网络，那么，接下来C步参数更新的目标将由更新后的目标Q网络负责提供。 具体的实施步骤请参见上图～ 3.2 Double DQN算法

Double DQN算法主要是为了解决DQN算法中严重的过估计问题，它将目标Q值中动作的选择和动作的评估分开，让它们使用不同的Q网络。 先看Double-DQN中的目标Q值：    当前Q网络负责选择动作，而带有“延迟效应”的目标Q网络用来计目标Q值，具体的实施步骤请参见上图

3.3 Dueling DQN算法

Dueling DQN相比于DQN在网络结构上做出了改进，在得到中间特征后“兵分两路”，一路预测状态值函数，另一路预测相对优势函数，两个相加才是最终的动作值函数。

3.4 优先经验回放 在DQN中使用经验回放的动机是：作为有监督学习模型，深度神经网络要求数据满足独立同分布假设；但样本来源于连续帧，这与简单的RL问题相比样本的关联性增大了不少。假如没有经验回放，算法在连续一段时间内基本朝着同一个方向做梯度下降，那么在同样的步长下这样直接计算梯度就有可能不收敛。所以经验回放的主要作用是： 克服经验数据的相关性，减少参数更新的方差；
克服非平稳分布问题。 经验回放的做法是从以往的状态转移(经验)中随机采样进行训练，如下图所示，这样操作使得数据利用率高，可以理解为同一个样本被多次使用。

优先经验回放(Prioritized Experience Replay, PER)的思路来源于优先清理(Prioritized sweeping)，它以更高的频率回放对学习过程更有用的样本，这里使用TD-error来衡量作用的大小。TD-error的含义是某个动作的估计价值与当前值函数输出的价值之差。TD-error越大，则说明当前值函数的输出越不准确，换而言之，能从该样本中“学到更多”。为了保证TD-error暂时未知的新样本至少被回放一次，将它放在首位，此后，每次都回放TD-error最大的样本。 不过，单独使用TD-error进行PER也存在许多问题。首先，只有被重放样本的TD-error被更新，那么，TD-error较小的样本在第一次被回放后，由于不更新， 它的TD-error会一直被认为很小(其实参数更新后该样本的TD-error可能会变大)， 所以该样本很久都不会再重新被回放。再者，对噪声敏感，bootstrapping会进一步加剧这个问题。最后，PER的样本会集中在一个小范围内，多样性的缺失容易导致过拟合。 为了解决上述问题，结合纯粹的贪婪优先和均匀随机采样。确保样本的优先级正比于TD-error，与此同时，确保最低优先级的概率也是非零的。 首先，定义采样经验   的概率为： 其中，   是第   个经验的优先级；指数   决定使用优先级的多少，当   时是均匀随机采样的情况。 具体的，采用成比例的优先(Proportional prioritization)，即 其中，   为 TD-error；   是为了防止经验的TD-error为0后不再被回放。在实现时采用二叉树(Sum tree)结构，它的每个叶子节点保存了经验的优先级，父节点存储了叶子节点值的和。这样，头节点的值就是所有叶子结点的总和。采样一个大小为   的minibatch时，范围   被均分为   个小范围，每个小范围均匀采样，这样，各种经验都有可能被采样到。 为了消除由采样带来的偏差，加入重要性采样(Importance-sampling)。重要性采样权重为   。其中，   用于调节偏差程度，因为在学习的初始阶段有偏差是无所谓的，但在后期就要消除偏差。为了归一化重要性采样权重，使   。 来看一下PER和Double DQN结合后的伪代码：

环境特征融合方案

 4.1 自身状态信息处理方法

自身状态信息的表示方法请参见上图，它可以表示为一个数组   ，其中，   和  为   时刻小车的速度和角速度信息，   和   为   时刻小车相对终点的距离和角度信息。自身状态信息时刻指引着小车向终点移动。 4.2 激光雷达点云信息处理方法

LIDAR产生的点云属于长序列信息，比较难直接拆分成一个个独立的样本来通过CNN进行训练。所以采用LSTM网络来处理LIDAR点云信息，其中cell单元为512个，具体的网络结构如下图所示：

为了方便，控制LIDAR输出的点云信息为360维，更新频率是50赫兹，探测范围为   ，探测距离为   ，单位是米，如下图所示：

4.3 视觉图像信息处理方法

尽管LIDAR擅长测量障碍物的距离和形状，但它实际上并不能用于确定障碍物的类型。计算机视觉可通过分类来完成这项任务， 即给定相机的图像，可以标记图像中的对象。

本文采用CNN处视觉图像信息。输入图像  经过预处理和叠帧(4 帧)后变为  的单通道灰色图。

原始图像和经过预处理后的图像

这里共采用了三个卷积层，它们分别是 conv1、conv2 和 conv3，具体参数如下：

卷积层的输入输出示意图如下：

4.4 环境特征融合方案

环境实验

5.1 仿真实验环境的搭建

基于ROS及Gazebo搭建的仿真实验环境的框架如图所示：

基于此，可以改变Gazebo中的仿真环境，例如加入不同的障碍，也可以改变小车搭载的传感器。

关于如何使Gazebo的仿真速度加快 10 倍，请参考：

搬砖的旺财：将Gazebo的仿真速度加快10倍！！！

https://zhuanlan.zhihu.com/p/59702590

5.2 小车的动作空间划分

5.3 算法参数设置

-贪婪法的参数从初始值1.0开始按照训练步数线性下降  。

很有意思的一件事情，经过测试发现，记忆池的大小和训练步数保持10倍的关系是最好的～

 参数按照训练步数线性下降：  。

5.4 奖励函数的设置

效果展示

 6.1 无障碍环境

6.2 静态障碍环境

6.3 5个静态障碍+5个动态障碍环境

6.4 10个动态障碍环境

视频1：

https://v.qq.com/x/page/g3104n5ortq.html

视频2：

https://v.qq.com/x/page/q3104y6cdjz.html

完整代码

请点击：CoderWangcai/DRL_Path_Planning

https://github.com/CoderWangcai/DRL_Path_Planning

1、Software

Ubuntu 16.04
ROS Kinect
Python 2.7.12
Tensorflow 1.12.0

2、Installation

git clone github.com/CoderWangcai

(PS：这一步请耐心等待，训练好的model比较大～)

cd DRL_Path_Planning
catkin_make
source devel/setup.bash roslaunch-multi_jackal_tutorials ten_jackal_laser_add_apriltag.launch 出现的便是下面的场景：

DRL_Path_Planning/src/tf_pkg/scripts/D3QN_PER_image_add_sensor_dynamic_10obstacle_world_30m_test.py中的路径补充完整： # 静态障碍下训练好的模型
self.load_path = '.../jackal/src/tf_pkg/scripts/saved_networks/10_D3QN_PER_image_add_sensor_obstacle_world_30m_2_2019_06_02' (PS：如果需要运行其他python文件，也请将其中的路径补充完整～) 另起一个终端： python D3QN_PER_image_add_sensor_dynamic_10obstacle_world_30m_test.py 搞定啦，出现的便是训练好的10个动态障碍环境～ 3、解决pointgrey_camera_driver编译不过的问题 catkin_make可能会遇到关于pointgrey_camera_driver的问题 解决方法如下： cd src/
git clone github.com/ros-drivers/cd ..
catkin_make 编译到上面这里的时候卡住了，没关系，ctrl+c，然后把刚刚Download的pointgrey_camera_driver文件夹删除，因为现在已经生成相关的消息了，它不起作用了。

catkin_make

没问题啦，整个文件夹都编译过了～如有问题请提issue～

说明：文章观点仅供分享交流，不代表焉知自动驾驶的立场，转载请注明出处，如涉及版权等问题，请您告知(小老虎13636581676微信同)，我们将及时沟通处理。本文已获权，转载请联系作者