SAC算法实战:用PyTorch实现自动驾驶控制(附完整代码)

news2026/3/29 9:06:00
SAC算法实战用PyTorch构建自动驾驶控制系统在自动驾驶技术快速发展的今天强化学习已成为解决复杂决策问题的有力工具。而Soft Actor-CriticSAC算法凭借其在连续动作空间中的卓越表现正在成为自动驾驶控制领域的新宠。本文将带您从零开始用PyTorch实现一个完整的SAC自动驾驶控制系统不仅包含核心代码实现还会分享实际部署中的关键技巧。1. SAC算法核心原理与自动驾驶适配性SAC算法的独特之处在于它将最大熵原理融入强化学习框架。与传统的DDPG或PPO算法不同SAC不仅追求高回报还鼓励策略保持高熵值——这意味着系统会主动探索更多可能的驾驶行为。为什么SAC特别适合自动驾驶场景动作连续性方向盘转角、油门刹车等控制信号本质上是连续值探索需求复杂交通场景需要算法不断尝试新的应对策略安全冗余高熵策略意味着系统会准备多种应对方案提高容错能力在PyTorch中我们可以用以下方式定义熵调节项import torch import numpy as np class EntropyAdjuster: def __init__(self, target_entropyNone): self.log_alpha torch.zeros(1, requires_gradTrue) self.alpha self.log_alpha.exp() if target_entropy is None: self.target_entropy -torch.prod(torch.Tensor(action_space.shape)).item() else: self.target_entropy target_entropy def update(self, log_prob): alpha_loss -(self.log_alpha * (log_prob self.target_entropy).detach()).mean() return alpha_loss2. 自动驾驶环境建模与SAC组件设计2.1 自定义自动驾驶环境要实现有效的训练首先需要构建一个贴近现实的驾驶模拟环境。使用Gymnasium接口可以方便地集成到SAC框架中import gymnasium as gym from gymnasium import spaces import numpy as np class AutonomousDrivingEnv(gym.Env): def __init__(self): super().__init__() # 定义观测空间相对位置、速度、障碍物信息等 self.observation_space spaces.Box(low-np.inf, highnp.inf, shape(10,)) # 定义动作空间转向[-1,1]油门[0,1]刹车[0,1] self.action_space spaces.Box(lownp.array([-1, 0, 0]), highnp.array([1, 1, 1])) def step(self, action): # 实现环境动力学 # 返回observation, reward, terminated, truncated, info pass def reset(self): # 重置环境状态 pass2.2 SAC核心网络架构SAC需要三类网络策略网络Actor和两个价值网络Critic。以下是PyTorch实现import torch.nn as nn import torch.nn.functional as F class PolicyNetwork(nn.Module): 策略网络输出动作分布参数 def __init__(self, state_dim, action_dim, hidden_dim256): super().__init__() self.fc1 nn.Linear(state_dim, hidden_dim) self.fc2 nn.Linear(hidden_dim, hidden_dim) self.mean nn.Linear(hidden_dim, action_dim) self.log_std nn.Linear(hidden_dim, action_dim) def forward(self, state): x F.relu(self.fc1(state)) x F.relu(self.fc2(x)) mean self.mean(x) log_std self.log_std(x) log_std torch.clamp(log_std, -20, 2) return mean, log_std class QNetwork(nn.Module): 价值网络评估状态-动作对的价值 def __init__(self, state_dim, action_dim, hidden_dim256): super().__init__() self.fc1 nn.Linear(state_dim action_dim, hidden_dim) self.fc2 nn.Linear(hidden_dim, hidden_dim) self.fc3 nn.Linear(hidden_dim, 1) def forward(self, state, action): x torch.cat([state, action], dim1) x F.relu(self.fc1(x)) x F.relu(self.fc2(x)) return self.fc3(x)3. 完整训练流程实现3.1 训练循环设计SAC的训练需要协调策略网络、价值网络和熵系数的更新def train_sac(env, policy_net, q1_net, q2_net, target_q1, target_q2, policy_optimizer, q1_optimizer, q2_optimizer, alpha_optimizer, ent_coef, gamma0.99, batch_size256): # 初始化环境和缓冲区 state, _ env.reset() replay_buffer ReplayBuffer(capacity100000) for episode in range(num_episodes): episode_reward 0 done False while not done: # 采样动作 with torch.no_grad(): mean, log_std policy_net(state) std log_std.exp() normal torch.distributions.Normal(mean, std) action normal.rsample() log_prob normal.log_prob(action).sum(-1, keepdimTrue) action torch.tanh(action) # 环境交互 next_state, reward, terminated, truncated, _ env.step(action.numpy()) done terminated or truncated replay_buffer.add(state, action, reward, next_state, done) # 更新网络 if len(replay_buffer) batch_size: batch replay_buffer.sample(batch_size) update_networks(batch) # 实现网络更新逻辑 state next_state episode_reward reward print(fEpisode {episode}, Reward: {episode_reward})3.2 关键训练技巧经验回放优化优先经验回放Prioritized Experience Replay多步TD目标n-step returns状态归一化State Normalization网络更新策略def update_networks(batch): states, actions, rewards, next_states, dones batch # 计算目标Q值 with torch.no_grad(): next_actions, next_log_probs policy_net(next_states) target_q_values torch.min( target_q1(next_states, next_actions), target_q2(next_states, next_actions) ) - ent_coef * next_log_probs target_q rewards (1 - dones) * gamma * target_q_values # 更新Critic网络 q1_loss F.mse_loss(q1_net(states, actions), target_q) q2_loss F.mse_loss(q2_net(states, actions), target_q) # 更新Actor网络 new_actions, new_log_probs policy_net(states) min_q torch.min(q1_net(states, new_actions), q2_net(states, new_actions)) policy_loss (ent_coef * new_log_probs - min_q).mean() # 更新熵系数 alpha_loss -(log_alpha * (new_log_probs target_entropy).detach()).mean() # 执行优化步骤 q1_optimizer.zero_grad() q1_loss.backward() q1_optimizer.step() # ...其他网络更新类似4. 实际部署与性能调优4.1 真实场景迁移技巧将训练好的模型部署到真实车辆时需要考虑传感器噪声处理添加高斯噪声增强鲁棒性延迟补偿使用历史状态堆叠安全约束动作限幅和紧急制动逻辑class SafetyWrapper: 安全包装器限制危险动作 def __init__(self, policy_net, max_speed, max_steer): self.policy policy_net self.max_speed max_speed self.max_steer max_steer def __call__(self, state): action self.policy(state) # 限制转向角度 action[0] torch.clamp(action[0], -self.max_steer, self.max_steer) # 根据车速限制油门 current_speed state[3] # 假设state[3]是当前速度 if current_speed self.max_speed * 0.9: action[1] 0 # 禁止加速 return action4.2 性能评估指标评估自动驾驶SAC模型时应监控多个维度指标说明目标值平均奖励单次episode的平均回报 200碰撞率发生碰撞的比例 5%舒适度加速度变化率 2.5 m/s³行程时间完成路线的耗时接近人类驾驶在训练过程中可以使用TensorBoard记录这些指标from torch.utils.tensorboard import SummaryWriter writer SummaryWriter() for episode in range(num_episodes): # ...训练循环... writer.add_scalar(Reward/episode, episode_reward, episode) writer.add_scalar(Safety/collision_rate, collision_rate, episode)5. 进阶优化策略5.1 混合探索策略结合SAC的最大熵探索和定向探索class HybridExploration: def __init__(self, policy_net, noise_scale0.1): self.policy policy_net self.noise_scale noise_scale self.decay_rate 0.999 def get_action(self, state): with torch.no_grad(): mean, log_std self.policy(state) action torch.tanh(mean torch.randn_like(mean) * log_std.exp()) # 添加递减的随机噪声 noisy_action action self.noise_scale * torch.randn_like(action) self.noise_scale * self.decay_rate return torch.clamp(noisy_action, -1, 1)5.2 多任务学习架构共享主干网络处理不同驾驶子任务class MultiTaskSAC(nn.Module): def __init__(self, state_dim, action_dims): super().__init__() # 共享特征提取层 self.shared_layers nn.Sequential( nn.Linear(state_dim, 256), nn.ReLU(), nn.Linear(256, 256) ) # 各任务专用头 self.steering_head PolicyHead(256, action_dims[0]) self.throttle_head PolicyHead(256, action_dims[1]) self.brake_head PolicyHead(256, action_dims[2]) def forward(self, state): features self.shared_layers(state) steering self.steering_head(features) throttle self.throttle_head(features) brake self.brake_head(features) return torch.cat([steering, throttle, brake], dim1)6. 实际案例十字路口决策控制考虑一个典型场景无保护左转。我们需要训练SAC算法处理对向车流、行人等多种因素状态空间设计自车速度、加速度相对距离和速度对向车辆、行人交通信号状态道路几何信息奖励函数设计def calculate_reward(state, action, next_state): # 安全奖励 collision_penalty -10 if collision else 0 safety_margin min_distance_to_obstacles * 0.1 # 效率奖励 progress (next_state.progress - state.progress) * 10 # 舒适度惩罚 jerk torch.norm(action - last_action) * -0.01 # 规则遵守 traffic_light_penalty -2 if ran_red_light else 0 return safety_margin progress jerk traffic_light_penalty collision_penalty训练曲线分析 初期阶段1000episodes高碰撞率30%平均奖励波动大熵值较高探索充分中期阶段1000-5000episodes碰撞率降至10%以下奖励稳步上升熵值开始收敛成熟阶段5000episodes碰撞率2%平均奖励稳定在较高水平策略熵保持合理范围

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2460938.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…