自动驾驶决策模型训练方法、装置、设备、介质及产品

本发明公开了一种自动驾驶决策模型训练方法、装置、设备、介质及产品，其方法包括：初始化决策模型以及用于表示强交互场景的环境状态s；基于环境状态s，使用决策模型计算所有可能的决策期望值，并筛选出一个决策期望值，根据决策期望值确定对应的动作a；在环境状态s中，执行动作a，得到反馈的新的环境状态s'以及奖励函数r；基于环境状态s’以及奖励函数r生成经验元组(s,a,s’,r)，并将环境状态s’重新输入决策模型中，重复上述步骤生成新的经验元组，循环多次最终生成多组经验元组组成经验回放合集D；以及，将经验回放合集D作为训练样本训练决策模型。本发明可以训练得到车辆在强交互场景下的决策模型以用于车辆决策控制。