一种基于专家在线蒸馏的无奖励自动驾驶控制方法及系统

本发明涉及一种基于专家在线蒸馏的无奖励自动驾驶控制方法及系统，属于自动驾驶、模仿学习及模型预测控制技术领域。该方法获取专家数据和车辆在线交互产生的行为数据，经编码器生成潜在状态—动作表示；利用固定随机目标映射集、专家预测器和行为预测器构造内在模仿信号，并据此训练无解码器潜在世界模型、Q网络集成及Lipschitz正则化随机策略；在在线规划时，于低维控制点空间生成Sobol低差异样本，经B样条基矩阵展开为平滑候选动作序列，通过潜在空间滚动、价值评价及精英样本加权更新动作分布，执行首个动作并平移序列用于下一次热启动。本发明能够提高驾驶决策的前瞻性、样本利用效率及加速度和转向控制的连续性。