排序方式: 共有43条查询结果,搜索用时 0 毫秒
41.
作为高级别自动驾驶的下一代技术方向,类脑学习以深度神经网络为策略载体,以强化学习为训练手段,通过与环境的交互探索实现策略的自我进化,最终获得从环境状态到执行动作的最优映射。目前,类脑学习方法主要用于自动驾驶的决策与控制功能设计,它的关键技术包括:界定策略设计的系统框架、支持交互训练的仿真平台、决定策略输入的状态表征、定义策略目标的评价指标以及驱动策略更新的训练算法。本文重点梳理了自动驾驶决策控制的发展脉络,包括两类模块化架构(分层式和集成式)和3种技术方案(专家规则型、监督学习型和类脑学习型);概述了当前主流的自动驾驶仿真平台;分析了类脑决控的3类环境状态表征方法(目标式、特征式和组合式);同时介绍了自动驾驶汽车的五维度性能评价指标(安全性、合规性、舒适性、通畅性与经济性);然后详述了用于车云协同训练的典型强化学习算法及其应用现状;最后总结了类脑自动驾驶技术的问题挑战与发展趋势。 相似文献
42.
[目的]润湿梯度表面在水面舰船防污、潜艇减阻等领域具有潜在应用价值,有待进一步研究低成本、低复杂度的制备技术。[方法]采用气相沉积法、碱腐蚀法和两者复合法,开展二氧化硅基润湿梯度表面的制备及其静润湿特性的研究分析。[结果]气相沉积法制备表面的最大接触角和变化范围分别为104.9°,23°左右;碱腐蚀法制备表面分别为80.2°,60°左右;两者复合法制备表面分别为102.1°,40°左右,且气相沉积过程在表面润湿性梯度制备中起主导作用。[结论]研究成果可为海洋装备的功能表面制备提供参考。 相似文献
43.