支持多驾驶行为的基于深度强化学习的无人车运动决策控制方法

摘要

本发明公开了支持多驾驶行为的基于深度强化学习的无人车运动决策控制方法，将驾驶行为分为“关键动作的决策”与“关键动作的执行”，实现支持多种驾驶行为的决策控制，避免对相同任务的重复建模，极大的降低了模型的复杂性。同时，引入深度强化学习算法，其采用智能体与环境交互学习的方式，避免了数据难以获取的问题和繁杂的数据预处理工作。该方案解决了面向多驾驶行为的运动决策控制问题以及基于学习的端到端运动决策控制模型支持多驾驶行为的问题，让无人车能够根据相应的上层行为指令完成不同驾驶行为，实现车辆的自主行驶。