盖世汽车讯 据外媒报道，在自主导航领域的一项突破性进展中，郑州大学一研究团队发现了一种新颖的路径规划优化方法，该方法在不确定的环境中表现出卓越的鲁棒性。这篇题为《基于行动好奇心的深度强化学习算法在非确定性环境中的路径规划（Action-Curiosity-Based Deep Reinforcement Learning Algorithm for Path Planning in a Nondeterministic Environment）》的研究论文于 6 月 3 日发表，代表了人工智能与实际应用（尤其侧重于自动驾驶汽车）融合的重大飞跃。

图片来源：Junxiao Xue et al.

优化自动驾驶汽车路径规划的过程充满挑战，尤其是在这些车辆必须应对不可预测的交通状况时。随着人工智能技术的发展，研究人员正在积极探索各种策略，以提高这些系统的效率和可靠性。新开发的优化框架包含三个关键组件：环境模块、深度强化学习模块和创新的行动好奇心模块。