一种离线到在线的强化学习稳定微调系统和方法

本发明涉及一种离线到在线的强化学习稳定微调系统和方法，通过设置智能驾驶模块、离线预训练模块和策略微调与优化模块，以离线预训练模块从多个数据源获取驾驶数据，并利用驾驶数据，通过离线强化学习算法对智能驾驶模块进行策略预训练；以策略微调与优化模块根据车辆与环境的实时交互数据，采用在线强化学习优化方式对基础驾驶策略进行策略优化，从而能在智能驾驶模块操控车辆时缓解分布偏移和灾难性遗忘，实现高效、稳定的策略优化。