一种自动驾驶车辆行为决策方法、系统、设备及存储介质

本发明涉及自动驾驶技术领域，提供了一种自动驾驶车辆行为决策方法、系统、设备及存储介质。该方法包括，对自车状态量和环境车辆状态量进行编码，得到嵌入状态；对环境车辆交互表征量，进行编码，得到特征向量；对嵌入状态、特征向量和上一时刻动作，进行编码，得到嵌入状态动作；基于嵌入状态和特征向量，采用策略网络，得到价值最大的动作，将该动作映射到车辆的油门踏板和控制踏板开度，生成自车下一时刻动作；基于策略网络输出的动作、自车状态量、环境车辆状态量、嵌入状态、特征向量和嵌入状态动作，采用Critic网络，引入价值函数，通过策略梯度方式，更新策略网络参数。