一种基于强化学习的小库位自动平行泊车运动规划方法

为解决传统方法或基于强化学习的方法在狭小空间下平行泊车效率较低的问题,基于蒙特卡罗树搜索(MCTS)方法,同时规划倒车入库和库位内调整阶段。在MCTS过程中同时考虑纵向动作(速度)与横向动作(转向盘转角),引入模仿学习(IL),利用非线性规划的演示数据获得初始化策略神经网络,并使用强化学习(RL)对其进行改进,训练时间从20 h缩短到1 h,采用滑模控制器作为横向控制器来跟踪规划的路径,车辆运动方向可通过绑定在规划路径上的规划速度的方向确定。仿真验证和实车测试结果表明,该方法可同时规划倒车入库阶段和库位内调整阶段,位置误差可达5 cm,航向角误差可达0.5°。

蒙太奇在电视新闻作品中的运用

有声可移动的画面是电视新闻作品与传统的报纸和电台的最大区别。因此，电视新闻也有它自己的独特的表现手法：蒙太奇。蒙太奇是法语Montage的音译，原为建筑学术语，意为构成、装配。经常用于三种艺术领域，可解释为有意涵的时空人地拼贴剪辑手法。最早被延伸到电影艺术中，后来逐渐在视觉艺术等衍生领域被广为运用。在影视的领域里它也可以理解为“画面语言”。在新闻作品中，适当地运用蒙太奇手法可以提高新闻作品的看点，增加作品的可信度，引导观众的注意力，激发观众的联想。

基于强化学习的自动泊车运动规划

自动泊车运动规划需满足安全性、舒适性、最终泊车位姿等多目标最优.提出一种基于模型的强化学习运动规划方法,以最大限度摆脱人类泊车经验,并综合考虑上述需求.建立了用于逼近实车的仿真模型;构建了基于加速度和距离控制的纵向策略;基于蒙特卡洛树搜索和神经网络,结合构建的纵向策略强化学习,最终收敛得到最优的泊车策略,迭代过程中的奖励函数综合考虑安全性、舒适性及最终泊车位姿等因素;通过实车实验对获得的泊车策略进行了验证.结果表明,规划策略能够满足对安全性、舒适性、最终泊车位姿等多目标最优的需求.