强化学习与自动驾驶-Deep Reinforcement Learning for Autonomous Driving: A Survey

最近一直在看用cv的方法进行轨迹预测，大老板说也许可以用强化学习来做，于是读了21年的 “Deep Reinforcement Learning for Autonomous Driving: A Survey” 这篇文章。这里对文章进行了简单的概括分享，作为我之后工作的一个基础，也希望能帮助到同样做自动驾驶的同学。

原文链接：https://ieeexplore.ieee.org/document/9351818

监督学习不适合自动驾驶任务

机器学习分为监督学习、非监督学习以及强化学习（RL）。自动驾驶研究是一个解决序列决策的问题，得到的最优行动就等于强化学习中的策略。而监督学习不适用于这类研究，原因如下：

1. 智能体的行为预测改变了未来传感器从环境中接收到的观察结果；
2. 碰撞时间等参数在环境中不确定。需要最大化的随机代价函数来解决；
3. 学习的环境时刻在变化。有些任务要在驾驶的每一刻预测最优，就要一直学习环境的新配置。

自动驾驶的感知模块（perception module）

1. 车道位置；
2. 可行驶区域；
3. 车辆、行人；
4. 交通灯状态。

以上的这些从感知模块中获得，为中级抽象表示，经过Scene Understanding生成高级动作或决策模块。这个过程包括场景理解、决策以及规划，而且这个过程往往综合了激光雷达、相机以及雷达所获得的信息。