支持运输工具或机器人的机动动作规划的方法和设备

摘要

本发明涉及支持自动驾驶运输工具（50）或机器人的机动动作规划（33）的方法，其中借助马尔可夫决策问题以离散形式描述运输工具（50）或机器人的环境的状态空间（10），借助动态编程从状态空间（10）中的离散状态（11）出发确定离散动作（At）的最佳动作值（Qx），借助强化学习方法学习具有状态空间（10）中的状态（11）作为输入值并具有状态空间（10）中的动作（At）的动作值（Qx）作为输出值的映射（20），基于借助动态编程确定的最佳动作值（Qx）初始化强化学习代理，并针对机动动作规划（33）提供学习的映射（20）。本发明还涉及支持自动驾驶运输工具（50）或机器人的机动动作规划（33）的设备（1）。