当前位置: 首页 > article >正文

SAC算法实战:用PyTorch实现自动驾驶控制(附完整代码)

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

相关文章:

SAC算法实战:用PyTorch实现自动驾驶控制(附完整代码)

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-Critic(SAC)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…...

化工模拟老司机的原油蒸馏骚操作

Aspen 化工过程模拟虚拟组分蒸馏原油 本可模型 在本模型中,将使用pseudocomponents进行原油蒸馏。 将创建一个由常压蒸馏塔和真空蒸馏塔组成的模型。 常压蒸馏塔将使用 Chao-Seader 热力学模型建模,而真空蒸馏塔将使用 Braun K10 模型建模。在Aspen里折腾…...

**基于Python实现脉冲神经网络:从理论到代码的创新实践**在深度

基于Python实现脉冲神经网络:从理论到代码的创新实践 在深度学习飞速发展的今天,传统人工神经网络(ANN)已难以满足对生物可解释性和能效比更高的需求。而**脉冲神经网络(Spiking Neural Networks, SNN)**作…...

芯片验证工程师必备:SVA断言中的assert/cover/assume核心区别与典型误用案例

芯片验证工程师必备:SVA断言中的assert/cover/assume核心区别与典型误用案例 在芯片验证领域,SystemVerilog Assertion(SVA)是验证工程师不可或缺的利器。对于1-3年经验的验证工程师而言,深入理解assert、cover和assum…...

Navicat重置工具:Mac版Navicat无限试用终极指南

Navicat重置工具:Mac版Navicat无限试用终极指南 【免费下载链接】navicat_reset_mac navicat16 mac版无限重置试用期脚本 项目地址: https://gitcode.com/gh_mirrors/na/navicat_reset_mac 你是否正在为Navicat Premium的14天试用期到期而烦恼?作…...

关于【进程池阻塞 + 子进程未回收问题】

续接上文:进程间通信(二):实现一个高可用的进程池-CSDN博客 目录 一、先看现象:两个核心问题 二、核心原因:文件描述符泄漏(管道读端没关干净) 1. 管道的核心规则回顾 2. 后果&a…...

QMCDecode终极指南:3步破解QQ音乐加密格式,实现音频自由播放

QMCDecode终极指南:3步破解QQ音乐加密格式,实现音频自由播放 【免费下载链接】QMCDecode QQ音乐QMC格式转换为普通格式(qmcflac转flac,qmc0,qmc3转mp3, mflac,mflac0等转flac),仅支持macOS,可自动识别到QQ音乐下载目录…...

Spring_couplet_generation 助力科研:使用MATLAB进行生成结果的数据分析与可视化

Spring_couplet_generation 助力科研:使用MATLAB进行生成结果的数据分析与可视化 1. 引言 想象一下,你是一位研究语言文化或社会科学的学者,最近利用AI模型生成了成千上万副春联。面对这海量的文本数据,你可能会感到既兴奋又头疼…...

能耗优化指南:OpenClaw+GLM-4.7-Flash笔记本续航方案

能耗优化指南:OpenClawGLM-4.7-Flash笔记本续航方案 1. 为什么需要关注OpenClaw的能耗问题 去年夏天的一次出差经历让我深刻意识到这个问题的重要性。当时我正在高铁上用笔记本调试一个OpenClaw自动化流程,结果不到两小时就收到了电量不足的警告。这促…...

Qwen3-4B-Instruct-2507问题解决:部署中常见的5个错误及快速修复方法

Qwen3-4B-Instruct-2507问题解决:部署中常见的5个错误及快速修复方法 1. 部署准备与环境检查 在开始部署Qwen3-4B-Instruct-2507模型之前,确保您的环境满足以下基本要求: 硬件配置:推荐使用NVIDIA 4090D显卡(24GB显…...

Apex Legends压枪宏终极指南:轻松掌握自动武器检测与精准射击

Apex Legends压枪宏终极指南:轻松掌握自动武器检测与精准射击 【免费下载链接】Apex-NoRecoil-2021 Scripts to reduce recoil for Apex Legends. (auto weapon detection, support multiple resolutions) 项目地址: https://gitcode.com/gh_mirrors/ap/Apex-NoRe…...

终极指南:如何免费将CAJ文件转换为高质量PDF?caj2pdf完整使用教程

终极指南:如何免费将CAJ文件转换为高质量PDF?caj2pdf完整使用教程 【免费下载链接】caj2pdf Convert CAJ (China Academic Journals) files to PDF. 转换中国知网 CAJ 格式文献为 PDF。佛系转换,成功与否,皆是玄学。 项目地址: …...

一文讲清楚 OpenClaw 是什么,以及 Windows 下的部署

OpenClaw 到底是什么1. 它在系统里干的事:接入层 运行时管理很多人第一次看到 OpenClaw,会把它当成“一个聊天 UI”。更工程化的视角是:它负责把外部请求接进来,并把后面的执行系统跑起来、管起来。接入层:把外部入口…...

Wan2.2-I2V-A14B开源大模型:支持LoRA微调与私有领域视频风格迁移

Wan2.2-I2V-A14B开源大模型:支持LoRA微调与私有领域视频风格迁移 1. 模型概述与核心能力 Wan2.2-I2V-A14B是一款开源的文生视频大模型,专为高质量视频生成任务设计。该模型在保持开源特性的同时,通过LoRA微调技术实现了对私有领域视频风格的…...

人脸识别OOD模型在医疗领域的应用探索

人脸识别OOD模型在医疗领域的应用探索 1. 引言 在医院里,每天都有成千上万的患者需要身份确认、用药核对和病情监测。传统的医疗身份验证方式如手环、身份证件等存在被冒用、丢失或信息错误的风险。而医护人员在繁忙的工作中,也可能因为疲劳或疏忽而错…...

Flux Sea Studio 入门:十分钟完成星图平台镜像部署并生成首张图片

Flux Sea Studio 入门:十分钟完成星图平台镜像部署并生成首张图片 想试试最近很火的AI绘画,但又觉得本地部署太麻烦,显卡要求太高?今天咱们就来聊聊一个超级省事的办法——直接在云端用Flux Sea Studio。你不需要懂代码&#xff…...

AI Agent开发实战:基于PyTorch与LangChain构建自主任务执行智能体

AI Agent开发实战:基于PyTorch与LangChain构建自主任务执行智能体 1. 为什么需要自主任务执行智能体 想象一下,你每天要处理几十封邮件、查找各种资料、整理会议纪要,还要写周报。这些重复性工作占据了大量时间,而真正需要创造力…...

别再手动填Excel了!用Java+Spire.XLS 15.6.3实现批量报表自动化(附完整源码)

Java报表自动化革命:Spire.XLS实战指南与生产力跃迁 凌晨三点的办公室,最后一份月度销售报表终于核对完毕。这样的场景是否似曾相识?据统计,全球超过70%的企业级数据仍通过Excel流转,而其中近40%的时间消耗在机械化的…...

革新性B站用户分析工具:智能解析评论区用户背景的终极方案

革新性B站用户分析工具:智能解析评论区用户背景的终极方案 【免费下载链接】bilibili-comment-checker B站评论区自动标注成分,支持动态和关注识别以及手动输入 UID 识别 项目地址: https://gitcode.com/gh_mirrors/bil/bilibili-comment-checker …...

AMD Ryzen硬件调试工具实战指南:从问题诊断到系统优化

AMD Ryzen硬件调试工具实战指南:从问题诊断到系统优化 【免费下载链接】SMUDebugTool A dedicated tool to help write/read various parameters of Ryzen-based systems, such as manual overclock, SMU, PCI, CPUID, MSR and Power Table. 项目地址: https://gi…...

300FPS的实时目标跟踪是怎么炼成的?手把手拆解KCF算法里的数学魔法

300FPS实时目标跟踪背后的数学魔法:KCF算法深度解密 在计算机视觉领域,实时目标跟踪一直是个令人着迷又充满挑战的问题。想象一下,当你在观看一场足球比赛时,摄像机需要实时锁定某个球员;或者当自动驾驶汽车行驶时&am…...

解锁桌面音乐新体验:LyricsX让你的Mac成为私人KTV

解锁桌面音乐新体验:LyricsX让你的Mac成为私人KTV 【免费下载链接】Lyrics Swift-based iTunes plug-in to display lyrics on the desktop. 项目地址: https://gitcode.com/gh_mirrors/lyr/Lyrics 还在为听歌时找不到歌词而烦恼吗?LyricsX这款基…...

如何在Python中正确调用DeepSeek-Reasoner获取思考过程(附完整代码示例)

深度解析:Python调用DeepSeek-Reasoner获取思维链的工程实践 当开发者需要构建具备复杂推理能力的AI应用时,获取模型完整的思考过程(Reasoning Content)往往比最终答案更有价值。DeepSeek-Reasoner作为专为逻辑推理优化的模型&…...

PMSM无感控制中滑模观测器的相位补偿与抖振优化

1. 滑模观测器在PMSM无感控制中的核心作用 永磁同步电机(PMSM)的无位置传感器控制技术中,滑模观测器(SMO)扮演着关键角色。这种控制方式不需要物理位置传感器,而是通过算法实时估算转子位置和速度。我在实…...

如何解决健康160抢号难题?智能工具91160-cli让挂号效率提升5倍

如何解决健康160抢号难题?智能工具91160-cli让挂号效率提升5倍 【免费下载链接】91160-cli 健康160全自动挂号脚本 项目地址: https://gitcode.com/gh_mirrors/91/91160-cli 你是否曾遇到预约专家号时页面卡顿,等刷新完成号源已被抢空&#xff1f…...

【方案、开源】从零到国一:空地协同消防无人机系统全栈技术解析

1. 空地协同消防无人机系统设计思路 第一次接触这个项目时,我和很多同学一样感到无从下手。直到把整个系统拆解成几个核心模块,思路才逐渐清晰。这个系统的关键在于"空地协同"四个字,简单说就是让无人机和小车像两个配合默契的消防…...

LFM2.5-1.2B-Thinking多模态扩展展示:结合视觉模型的图文理解能力

LFM2.5-1.2B-Thinking多模态扩展展示:结合视觉模型的图文理解能力 1. 多模态能力惊艳亮相 LFM2.5-1.2B-Thinking最近在多模态领域展现出了令人惊喜的表现。这个原本专注于文本推理的模型,通过与视觉模型的结合,实现了从纯文本到图文理解的跨…...

YOLOv8模型训练避坑指南:GTX16系列显卡兼容性问题解决方案

GTX16系列显卡用户必读:YOLOv8模型训练全流程避坑手册 当你在GTX16系列显卡上运行YOLOv8训练脚本时,是否遇到过这样的场景:训练过程看似正常,但最终输出的P(精确率)、R(召回率)、mAP…...

深度解析OpenCode插件架构:构建企业级AI助手扩展平台

深度解析OpenCode插件架构:构建企业级AI助手扩展平台 【免费下载链接】opencode 一个专为终端打造的开源AI编程助手,模型灵活可选,可远程驱动。 项目地址: https://gitcode.com/GitHub_Trending/openc/opencode 在当今AI驱动的开发环境…...

设备重生:面向企业IT的激活锁解决方案

设备重生:面向企业IT的激活锁解决方案 【免费下载链接】applera1n icloud bypass for ios 15-16 项目地址: https://gitcode.com/gh_mirrors/ap/applera1n 问题诊断:激活锁困局与商业价值损失 企业设备管理的隐形成本 某教育机构IT主管王工近期…...