用于自动驾驶的强化学习模型的训练方法及会车方法

本申请提供了一种用于自动驾驶的强化学习模型的训练方法及会车方法，该训练方法包括：获取当前仿真环境的初始状态空间参数输入到初始强化学习模型，初始强化学习模型输出控制目标车辆执行的预测动作。基于预测动作和其他车辆的执行动作，确定动作奖励。在控制目标车辆执行预测动作后，获取当前仿真环境的下一状态空间参数。重复执行将下一状态空间参数输入到初始强化学习模型以及后续的过程，直至结束该会车场景的会车过程。基于会车过程中的多个动作奖励，确定奖励函数。基于奖励函数对初始强化学习模型进行训练，得到训练好的目标强化学习模型。