1.一种模型训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，确定该障碍物的障碍物类别，具体包括：
3.如权利要求1所述的方法，其特征在于，所述状态数据包括第一状态数据和第二状态数据，其中，所述第一状态数据所基于的坐标系为第一坐标系，所述第二状态数据所基于的坐标系为第二坐标系；
4.如权利要求1所述的方法，其特征在于，确定以所述轨迹指导所述目标设备行驶对应的奖励值，具体包括：
5.如权利要求1所述的方法，其特征在于，确定以所述轨迹指导所述目标设备行驶对应的奖励值，具体包括：
6.如权利要求5所述的方法，其特征在于，更新所述策略网络中的参数，具体包括：
7.一种自动驾驶设备的控制方法，其特征在于，包括：
8.如权利要求7所述的方法，其特征在于，根据所述轨迹对所述目标设备进行控制，具体包括：
9.一种模型训练装置，其特征在于，所述装置具体包括：
10.一种自动驾驶设备的控制装置，其特征在于，所述装置具体包括：
11.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～8任一项所述的方法。
12.一种自动驾驶设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～8任一项所述的方法。