计算机工程与应用

作者：于康鸿, 张军, 刘元盛

单位：1.北京联合大学 北京市信息服务工程重点实验室，北京 100101；2.北京联合大学 机器人学院，北京 100101；

关键词：变分自编码器,近端策略优化算法,深度强化学习,自动驾驶

基金：国家自然科学基金（62371013）；北京市属高等学校高水平科研创新团队建设支持计划（BPHR20220121）；北京联合大学校级科研项目（ZK20202404）。

由于道路类型多样、交互实体众多以及环境复杂，在城市环境中实现高效的自动驾驶是当今自动驾驶技术研究的重点和挑战之一。端到端强化学习在自动驾驶应用中，面临表征模型提取特征能力不足和决策模型学习特征间历史联系困难的问题，这些限制影响了算法在复杂城市环境中的决策性能。针对上述问题，提出ACVAE-MPPO算法。为了解决特征提取精度低的问题，在变分自编码器（variational auto-encoder，VAE）中加入坐标卷积层，使用判别器进行辅助训练，形成辅助训练坐标卷积变分自编码器（auxiliary training coordinate convolutional variational auto-encoder，ACVAE），最终提升特征提取的精度；为了增强决策模型提取历史特征的能力，在近端策略优化算法（proximal policy optimization，PPO）中引入长短期记忆网络，形成记忆近端策略优化算法（memory proximal policy optimization，MPPO），使PPO能够记忆和有效利用时序信息，提升决策准确性。将两个模型结合形成ACVAE-MPPO算法。Carla仿真器的实验结果表明，ACVAE-MPPO算法能展现出更强的决策能力，实现更稳定且成功率更高的驾驶决策。

来源：2026年第4期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第4期