基于安全课程强化学习的自动驾驶决策方法、系统及介质

本发明涉及一种基于安全课程强化学习的自动驾驶决策方法、系统及介质，其中方法包括以下步骤：感知周车和本车信息，作为环境信息；采用课程强化学习框架将自动驾驶任务划分为安全阶段和性能阶段，其中，安全阶段基于安全阶段的奖励函数进行安全智能体训练；在性能阶段部署安全智能体和性能智能体，固定安全阶段训练完成的安全智能体，基于性能阶段的奖励函数进行性能智能体训练，并使用切换函数实现安全智能体和性能智能体之间的切换；智能体与环境进行交互，根据损失函数更新网络参数，基于性能阶段网络输出的安全动作对车辆进行控制，实现自动驾驶安全决策。与现有技术相比，本发明具有训练高效、交互安全等优点。