提供了采用基于空間和時(shí)間注意力的分層車(chē)道變換策略的深度強(qiáng)化學(xué)習(xí)來(lái)控制自主車(chē)輛的系統(tǒng)和方法。執(zhí)行器?評(píng)價(jià)網(wǎng)絡(luò)架構(gòu)包括：執(zhí)行器網(wǎng)絡(luò)，其處理從環(huán)境接收的圖像數(shù)據(jù)以將車(chē)道變換策略作為分層動(dòng)作的集合來(lái)學(xué)習(xí)；以及評(píng)價(jià)網(wǎng)絡(luò)，其評(píng)估車(chē)道變換策略以計(jì)算損失和梯度來(lái)預(yù)測(cè)動(dòng)作值函數(shù)(Q)，其用于驅(qū)動(dòng)學(xué)習(xí)車(chē)道變換策略以及更新其參數(shù)。執(zhí)行器?評(píng)價(jià)網(wǎng)絡(luò)架構(gòu)實(shí)施空間注意力模塊以選擇圖像數(shù)據(jù)中重要的相關(guān)區(qū)域，以及時(shí)間注意力模塊以學(xué)習(xí)要應(yīng)用于過(guò)去的圖像數(shù)據(jù)幀的時(shí)間注意力權(quán)重，從而指示在決定選擇哪個(gè)車(chē)道變換策略時(shí)的相對(duì)重要性。