汽车自动化模拟器应用机器学习的研究论文

计算机计算能力的最新发展使自动驾驶汽车的研究成为可能。 自动驾驶车辆本质上是自主的，不需要任何驾驶员来决定车辆的运动。 自动驾驶汽车通过从汽车的四个侧面捕获图像来读取数据，并使用GPS技术查找给定源与目的地之间的路径。 一旦路径固定，就需要数学模型来决定车辆的运动。 决策有两种方​​法。 一种方法是读取图像并检测图像中的各种对象，然后做出移动决策，但是这种方法甚至需要检测大量的带标签图像，甚至要检测到很少的对象。 第二种方法是使用CNN从给定图像中提取特征并训练模型以对车辆的运动做出决策。 与目标检测相比，使用神经网络训练模型需要的图像数据集要少得多。 卷积神经网络由神经元层组成。 神经网络的连续层用于从图像中提取特征。 需要使用无人驾驶汽车模拟器来模拟现实世界的交通状况，然后在这种环境下检查经过训练的模型。 在可以在实际车辆上实施模型之前，必须进行此模拟，以防止由于模型不正确而造成生命损失和车辆损失。 可以借助具有出色图形效果的任务游戏（如侠盗猎车手）来模拟现实世界中的交通情况。 拟议的项目是开发一种自动驾驶汽车模拟器，该模拟器使用侠盗猎车手进行道路和交通模拟。 该项目分为四个阶段。 第一阶段涉及读取游戏输入和游戏输出。 第二阶段涉及从游戏中收集数据。 第三阶段是使用CNN训练数学模型。 最后，第四阶段是检查经过训练的模型并检测其他物体以驾驶游戏中的车辆。