么时候超车、什么时候让行。”
他指着屏幕上的流程图，手指从最上面的感知输入一直划到底部的规划输出，
“规则逻辑处理常规工况，强化学习模型覆盖边界场景，两者协同工作。
今天的任务是规划算法的框架跑通。”
何晋看着屏幕上的流程图，手指在键盘上敲了几下调出了规则逻辑的细节。
“规则树现在覆盖了一百六十多个场景分支，剩下的那些边界情况交给强化学习模型去泛化。
但是奖励函数的设计怎么定？如果奖励函数偏重通行效率，模型可能倾向于激进的变道策略；
如果偏重舒适性，又可能在需要快速响应的时候动作太慢。”
陈峰调出奖励函数的设计文档，翻到中间那一页。
“奖励函数分了三个维度——安全性权重最高，占零点六；通行效率零点三；舒适性零点一。
安全性维度以碰撞时间的倒数为惩罚项，通行效率以平均速度为奖励项，舒适性以加加速度的绝对值作为惩罚项。
三个维度加权求和，权重比暂时不动，后面仿真跑起来之后再根据结果调。”
他说完在流程图旁边补充了几行注释，把奖励函数的计算公式写清楚，然后交给何晋去搭建模型框架。