考虑交互的自动驾驶决策规划方法、系统及终端设备

本发明公开了考虑交互的自动驾驶决策规划方法、系统及终端设备，涉及自动驾驶技术领域。本发明包括：基于安全代价、通行代价和舒适代价设计得到联合代价函数，对联合代价函数进行相反数处理得到联合奖励函数；采用最大熵逆强化学习算法对联合奖励函数进行训练，直至联合奖励函数收敛；根据自车和交互车的状态采样候选联合轨迹，利用收敛后的联合奖励函数对自车和交互车的候选联合轨迹的奖励进行计算；选择奖励最大的候选联合轨迹作为规划结果输出。本发明通过构建集成预测框架，充分考虑了自动驾驶车辆与其他交通车的交互博弈关系，并通过最大熵逆强化学习算法，根据人类驾驶员的专家演示数据，自动地标定集成预测框架的联合奖励函数。