[发明专利]通过具有不确定性估计的强化学习的战术决策制定

摘要

一种使用强化学习RL代理控制自主车辆的方法(100)，该方法包括：多个训练会话(110‑1，…，110‑K)，其中，RL代理与包括自主车辆的环境交互，每个训练会话具有不同的初始值，并生成取决于状态和动作的状态‑动作值函数Qk(s，a)；决策制定(112)，其中，RL代理输出与自主车辆的控制相关的至少一个暂定决策；基于多个状态‑动作值函数的可变性度量的不确定性估计(114)，该多个状态‑动作值函数针对与暂定决策中的每个相对应的状态‑动作对来评估；以及车辆控制(116)，其中，依赖于所估计的不确定性来执行至少一个暂定决策。