本發(fā)明公開(kāi)了一種訓(xùn)練端到端的自動(dòng)駕駛策略的方法。該方法包括：將反映駕駛環(huán)境的高維視覺(jué)信息輸入到預(yù)訓(xùn)練的表示網(wǎng)絡(luò)，自動(dòng)學(xué)習(xí)低維信息，其中所述表示網(wǎng)絡(luò)利用采集的示教數(shù)據(jù)進(jìn)行監(jiān)督學(xué)習(xí)，所述低維度信息是與自動(dòng)駕駛?cè)蝿?wù)相關(guān)度強(qiáng)的抽象特征；構(gòu)建強(qiáng)化學(xué)習(xí)模型，智能體通過(guò)預(yù)訓(xùn)練的表示網(wǎng)絡(luò)的低維信息表示結(jié)果來(lái)獲取觀測(cè)結(jié)果，得到優(yōu)化的駕駛策略，其中強(qiáng)化學(xué)習(xí)過(guò)程基于離散時(shí)間的馬爾可夫決策過(guò)程實(shí)現(xiàn)，強(qiáng)化學(xué)習(xí)的目標(biāo)是獲取最大長(zhǎng)期回報(bào)期望。本發(fā)明在強(qiáng)化學(xué)習(xí)之前學(xué)習(xí)與自動(dòng)駕駛?cè)蝿?wù)相關(guān)度強(qiáng)的抽象特征表征，能夠更快速、準(zhǔn)確的獲得最優(yōu)駕駛策略。