一种基于SAC强化学习改进的RRT全局路径规划方法

本发明公开一种基于SAC强化学习改进的RRT全局路径规划方法，属于路径规划技术领域。方法包括：获取无人车虚拟地图以及获取当前路径点的信息；将当前路径点的信息输入至预先训练的全局路径规划模型；根据全局路径规划模型的输出，得到无人车的全局路径；其中，全局路径规划模型的训练过程使用快速随机探索树算法在无人车虚拟地图中进行路径规划以及使用全局路径规划模型在无人车虚拟地图中再次进行路径规划，观察后者得到的奖励是否比前者大。若大于，使用后者得到的奖励送入全局路径规划模型中进行训练，直至奖励不再增加为止，完成全局路径规划模型的训练；若小于，则结束训练。本发明能够达到快速规划无人车全局路径且避免陷入局部最优的效果。