多车辆协同决策方法、装置、设备、存储介质及程序产品

本发明涉及自动驾驶技术领域，公开了多车辆协同决策方法、装置、设备、存储介质及程序产品，本发明利用每个车辆针对其他车辆的个体观察，量化复杂交通场景中的车辆交互，并结合初始策略网络得到每个车辆的目标动作。通过确定车辆执行相应目标动作后的个体奖励，构建个体优势函数、邻域优势函数以及全局优势函数，衡量车辆执行目标动作后在个体、邻域以及全局带来的优势。利用个体优势函数进行个体决策优化，并利用初始协同模型协同个体优势函数和邻域优势函数，进行局部邻域的决策优化，得到目标策略网络，使得目标策略网络可以在复杂交通场景下更好地进行决策。最后在全局层面对初始协同模型进行优化，从而在局部邻域中不断改进车辆决策。