自動運転車におけるステアリング角度予測と安定性のための深層学習の実装に関する包括的研究

自動運転車の開発は最近、交通産業を向上させ、現在の方法と技術を活用して解決できるさまざまな機会や問題を開きました。本研究では、トラック画像を使用してステアリング角度を予測するために、人工ニューラルネットワーク（ANN）、畳み込みニューラルネットワーク（CNN）、およびCNNと長短期記憶（CNN-LSTM）の組み合わせという3つの別々のアルゴリズムが使用されました。PIDコントローラーはベンチマーク用に採用され、シミュレーションから提供されるクロストラックエラー（CTE）を用いて車両を操縦します。性能向上のために、標準のNVIDIA CNN自動運転モデルをわずかに変更し、連続フレームを供給しました。比較分析はOpenAI Gym Donkey Simulatorを使用して実施されました。