动作预测模型的训练方法、装置、设备及存储介质

本申请公开了一种动作预测模型的训练方法、装置、设备及存储介质，属于计算机技术领域。该方法将车辆所处状态信息输入动作预测模型，由动作预测模型预测该状态信息下的合流动作以及奖励，且结合奖励的损失和动作的损失来进行模型训练，这样通过该方法训练出的动作预测模型预测的合流动作不仅向样本数据中的合流动作收敛，使得预测出的合流动作能够实现车辆的成功合流，且使得预测出的合流动作向奖励大的方向收敛，由于奖励也即指示合流效果，这样通过该方法训练出的动作预测模型预测的合流动作还能够提高合流效果，使得车辆更安全、高效地完成合流。