自动驾驶策略的训练方法、自动驾驶方法、设备和车辆

摘要

本申请公开了一种自动驾驶策略的训练方法，包括：确定状态集合，其表示自动驾驶车辆的至少两个目标环境区域的可用性；确定动作集合，其表示自动驾驶车辆的驾驶动作；确定状态转移，转移后的状态是自动驾驶车辆在执行所决策的动作后、道路中的至少一个障碍物各自执行动作集合中的一个动作之后，自动驾驶车辆的至少两个目标环境区域的可用性；确定收益函数，其表示针对自动驾驶车辆的驾驶动作的评价；基于上述确定，在训练环境下使用强化学习方法获取最优策略，训练环境给定至少一个障碍物执行动作集合中的各个动作的概率。还公开了自动驾驶方法等。