[发明专利]通过强化学习来执行个性化路径规划的方法及装置

摘要

本发明提供一种通过强化学习来执行个性化路径规划的方法及装置，该方法及装置对应于目标驾驶员的个性化最优策略，该个性化最优策略是通过对基于自动驾驶的公共准则而建立的公共最优策略进行调整后获得的，所述方法包括以下步骤：学习装置指示调整奖励网络，通过参考与包括在驾驶轨迹中的实际状况向量及实际状况相关的信息，生成第一调整奖励；指示公共奖励模块，通过参考与实际状况向量及实际动作相关的信息，生成第一公共奖励；指示估算网络，通过参考实际状况向量，生成实际估算值；以及学习装置指示第一损失层生成调整奖励损失，并以调整奖励损失为参照进行反向传播来学习调整奖励网络的至少一部分参数。