为了解决控制类实验课程的大规模开放式在线课程(Massive Open Online Courses,MOOC)教学问题,提出了一种移动实验室(Mobile Laboratory,M-Lab)与移动远程控制实验(Mobile Remote Control Experiment,简称MRC-Experiment)的设计方法。...为了解决控制类实验课程的大规模开放式在线课程(Massive Open Online Courses,MOOC)教学问题,提出了一种移动实验室(Mobile Laboratory,M-Lab)与移动远程控制实验(Mobile Remote Control Experiment,简称MRC-Experiment)的设计方法。这种基于移动实验室中的远程实验,能够允许工科学生利用碎片化时间,随时、随地通过移动端(手机、平板电脑)进行控制类实验课程的学习与操作。通过移动实验室软硬件的设计、控制实验课程内容的设计、将智能控制算法应用在远程控制实验课程等环节,设计并实现了移动实验室,并允许学生进行移动远程控制实验。为了验证MRC-Experiment的效果,设计了在线调查问卷,对使用者在完成在线实验后进行了问卷调查。调查结果显示M-Lab和MRC-Experiment受到了学生的欢迎。展开更多
为了改善SAC(soft actor critic)算法样本等概率采样以及网络随机初始化造成网络收敛速度慢、训练过程不稳定问题,提出一种结合优先级回放和专家数据的改进算法PE-SAC(priority playback soft actor critic with expert)。该算法依据样...为了改善SAC(soft actor critic)算法样本等概率采样以及网络随机初始化造成网络收敛速度慢、训练过程不稳定问题,提出一种结合优先级回放和专家数据的改进算法PE-SAC(priority playback soft actor critic with expert)。该算法依据样本价值将样本池分类,使用专家数据预训练网络,缩小无人车无效探索空间、降低试错次数,有效提升算法学习效率。同时设计一种面向多障碍物的奖励函数增强算法适用性。在CARLA平台进行仿真实验,结果表明所提出方法可以更好地控制无人车在环境中安全行驶,同等训练次数下所得奖励值和收敛速度优于TD3(twin delayed deep deterministic policy gradient algorithm)和SAC算法。最后,结合雷达点云地图与PID(proportional integral derivative)控制方法缩小仿真环境与真实场景差异性,将训练所得模型移植到园区低速无人车中验证算法泛用性。展开更多
文摘为了解决控制类实验课程的大规模开放式在线课程(Massive Open Online Courses,MOOC)教学问题,提出了一种移动实验室(Mobile Laboratory,M-Lab)与移动远程控制实验(Mobile Remote Control Experiment,简称MRC-Experiment)的设计方法。这种基于移动实验室中的远程实验,能够允许工科学生利用碎片化时间,随时、随地通过移动端(手机、平板电脑)进行控制类实验课程的学习与操作。通过移动实验室软硬件的设计、控制实验课程内容的设计、将智能控制算法应用在远程控制实验课程等环节,设计并实现了移动实验室,并允许学生进行移动远程控制实验。为了验证MRC-Experiment的效果,设计了在线调查问卷,对使用者在完成在线实验后进行了问卷调查。调查结果显示M-Lab和MRC-Experiment受到了学生的欢迎。
文摘为了改善SAC(soft actor critic)算法样本等概率采样以及网络随机初始化造成网络收敛速度慢、训练过程不稳定问题,提出一种结合优先级回放和专家数据的改进算法PE-SAC(priority playback soft actor critic with expert)。该算法依据样本价值将样本池分类,使用专家数据预训练网络,缩小无人车无效探索空间、降低试错次数,有效提升算法学习效率。同时设计一种面向多障碍物的奖励函数增强算法适用性。在CARLA平台进行仿真实验,结果表明所提出方法可以更好地控制无人车在环境中安全行驶,同等训练次数下所得奖励值和收敛速度优于TD3(twin delayed deep deterministic policy gradient algorithm)和SAC算法。最后,结合雷达点云地图与PID(proportional integral derivative)控制方法缩小仿真环境与真实场景差异性,将训练所得模型移植到园区低速无人车中验证算法泛用性。
