一种基于对比学习的自动驾驶鲁棒控制方法及系统

本发明公开了一种基于对比学习的自动驾驶鲁棒控制方法及系统，通过深度对比学习，有效利用未标注的大量样本数据，提高模型对异构分布的适应能力和鲁棒性；同时，引入连续控制网络为模型提供了处理高维、连续动态环境的能力，增强了预测的精度和泛化能力。本发明不仅提高了在复杂交通环境中的轨迹预测性能，还通过自监督学习机制，减少了对大量标注数据的依赖，为自动驾驶系统提供了一个更为精确、鲁棒的轨迹预测解决方案。