인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This paper proposes PVSR-IQL, an offline reinforcement-learning framework for off-road path tracking under partial observability. Predictive Vehicle State Representation (PVSR) extracts control-relevant vehicle states and a latent representation from histories of observations using state estimation and next-observation prediction. The actor uses measurable observations and PVSR outputs, while the Q and value networks additionally use privileged vehicle and path states during training. This asymmetric structure enables the policy to operate without privileged information during deployment. Closed-loop evaluations were conducted with a mining truck in the CARLA Mine_01 off-road environment. Compared with the baseline IQL method, PVSR-IQL reduced mean lateral error by approximately 34.4% under nominal conditions, 18.7% under initial pose perturbations, and 20.0% and 32.9% under velocity and acceleration observation noise, respectively. For a complex route at an out-of-distribution reference speed of 7 m/s, it reduced the mean lateral error by 52.8%. These results indicate that PVSR improves the lateral path-tracking accuracy and robustness of offline reinforcement learning under varying operating conditions.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
