在动态系统中训练和选择最优解决方案的系统和方法

摘要

提供一种自主车辆、用于操作该自主车辆的系统和方法。该系统包括多个解决方案模块、状态模块、假设解析器和导航模块。多个解决方案模块各自为动因的未来状态提供解决方案。状态模块提供环境状态。假设解析器接收环境状态和多个解决方案，基于环境状态从多个解决方案中选择一解决方案，并确定解决方案的回报，该回报表明解决方案对于环境状态的置信度。导航模块基于所选择的解决方案来对自主车辆导航。