基于模仿学习的自主驾驶：来自现实世界测试的洞见

本研究针对自主驾驶系统设计中的关键挑战，尤其是如何在真实驾驶场景下提高深度神经网络的预测准确性和反应速度。通过对多种深度神经网络的设计与比较，研究揭示了逐步设计过程在自主驾驶应用中增强模型能力和处理多样驾驶情况的必要性。研究结果表明，改进的CNN-LSTM和CNN-NODE在动态驾驶表现上优于其他模型，展示了更好的驾驶性能。