[发明专利]基于相对熵深度逆强化学习的自动驾驶系统及方法

权利要求书

1.一种基于相对熵深度逆强化学习的自动驾驶系统，其特征在于，所述系统包括：

客户端：显示驾驶策略；

驾驶基础数据采集子系统：采集道路信息；

存储模块：与所述客户端及驾驶基础数据采集子系统连接并存储所述驾驶基础数据采集子系统所采集到的道路信息；

其中，所述驾驶基础数据采集子系统采集道路信息并将所述道路信息传输给所述客户端及存储模块，所述存储模块接收所述道路信息，并将持续的一段道路信息存储为历史轨迹，根据所述历史轨迹进行分析计算模拟出驾驶策略，所述存储模块将所述驾驶策略传输至客户端以供用户选择，所述客户端接受并根据所述道路信息和用户个性选择的所述驾驶策略实施自动驾驶。

2.如权利要求1所述的基于相对熵深度逆强化学习的自动驾驶系统，其特征在于，所述存储模块包括用于存储历史驾驶轨迹的驾驶轨迹库、根据驾驶轨迹及驾驶习惯计算并模拟出驾驶策略的轨迹信息处理子系统及存储驾驶策略的驾驶策略库；所述驾驶轨迹库将驾驶轨迹数据传输给所述轨迹信息处理子系统，所述轨迹信息处理子系统根据所述驾驶轨迹数据分析计算并模拟出驾驶策略并传输给所述驾驶策略库，所述驾驶策略库接收并存储所述驾驶策略。

3.如权利要求2所述的基于相对熵深度逆强化学习的自动驾驶系统，其特征在于，所述轨迹信息处理子系统采用多目标的相对熵深度逆强化学习算法计算并模拟驾驶策略。

4.如权利要求3所述的基于相对熵深度逆强化学习的自动驾驶系统，其特征在于，所述多目标的逆强化学习算法采用EM算法框架嵌套相对熵深度逆强化学习计算多奖赏函数的参数。

5.如权利要求1所述的基于相对熵深度逆强化学习的个性化自动驾驶系统，其特征在于，所述驾驶基础数据采集子系统包括用于采集道路信息的传感器。

6.一种基于相对熵深度逆强化学习的自动驾驶的方法，其特征在于，所述方法包括如下步骤：

S1：采集道路信息并将所述道路信息传输给客户端及存储模块；

S2：所述存储模块接收所述道路信息并将持续的一段道路信息存储为历史轨迹，根据所述历史轨迹分析计算并模拟多种驾驶策略，并将所述驾驶策略传递给所述客户端；

S3：所述客户端接收所述道路信息及驾驶策略，并根据用户选择的个性驾驶策略及道路信息实施自动驾驶。

7.如权利要求6所述的基于相对熵深度逆强化学习的自动驾驶的方法，其特征在于，所述存储模块包括用于存储历史驾驶轨迹的驾驶轨迹库、根据驾驶规划及驾驶习惯计算并模拟出驾驶策略的轨迹信息处理子系统及存储驾驶策略的驾驶策略库；所述驾驶轨迹库将驾驶轨迹数据传输给所述轨迹信息处理子系统，所述轨迹信息处理子系统根据所述驾驶轨迹数据分析计算并模拟出驾驶策略并传输给所述驾驶策略库，所述驾驶策略库接收并存储所述驾驶策略。

8.如权利要求7所述的基于相对熵深度逆强化学习的自动驾驶的方法，其特征在于，所述轨迹信息处理子系统采用多目标的相对熵深度逆强化学习算法计算并模拟驾驶策略。

9.如权利要求8所述的基于相对熵深度逆强化学习的自动驾驶的方法，其特征在于，所述多目标的逆强化学习算法采用EM算法框架嵌套相对熵深度逆强化学习计算多奖赏函数的参数。