現(xiàn)有無(wú)人車(chē)輛的駕駛策略過(guò)于依賴(lài)感知 - 控制映射過(guò)程的“正確性”，而忽視了人類(lèi)駕駛汽車(chē) 時(shí)所遵循的駕駛邏輯。該研究基于深度確定性策略梯度算法，提出了一種具備類(lèi)人駕駛行為的端到端 無(wú)人駕駛控制策略。通過(guò)施加規(guī)則約束對(duì)智能體連續(xù)行為的影響，建立了能夠輸出符合類(lèi)人駕駛連續(xù) 有序行為的類(lèi)人駕駛端到端控制網(wǎng)絡(luò)，對(duì)策略輸出采用了后驗(yàn)反饋方式，降低了控制策略的危險(xiǎn)行為 輸出率。針對(duì)訓(xùn)練過(guò)程中出現(xiàn)的稀疏災(zāi)難性事件，提出了一種更符合控制策略?xún)?yōu)化期望的連續(xù)獎(jiǎng)勵(lì)函 數(shù)，提高了算法訓(xùn)練的穩(wěn)定性。不同仿真環(huán)境下的實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的獎(jiǎng)勵(lì)塑造方式在評(píng)價(jià)稀疏 災(zāi)難性事件時(shí)，對(duì)目標(biāo)函數(shù)優(yōu)化期望的近似程度提高了85.57%，訓(xùn)練效率比傳統(tǒng)深度確定性策略梯度算法提高了 21%，任務(wù)成功率提高了 19%，任務(wù)執(zhí)行效率提高了 15.45%，驗(yàn)證了該方法在控制效率和平順性方面具備明顯優(yōu)勢(shì)，顯著減少了碰撞事故。