张佳鹏，李 琳，朱 叶

(上海理工大学 光电信息与计算机工程学院,上海 200000)

当今社会逐渐向着智能化的方向发展，无人驾驶变成了一个十分受关注的热点。自动驾驶车辆的系统架构可以分为环境感知、行为决策、运动控制3个部分。环境感知系统[1-2]能够利用摄像头、雷达等车载传感器与计算机视觉、传感器信息融合技术来感知环境信息。行为决策系统[3]用来对环境及自车信息进行理解并做出合理的驾驶行为决策。运动控制系统[4]能够根据决策系统给出的控制信号来控制车辆的运动。如果将环境感知模块比作自动驾驶车辆的眼睛和耳朵，将运动控制模块看作自动驾驶车辆的手和脚，那么行为决策模块就相当于是自动驾驶车辆的大脑，是实现自动驾驶最为核心的技术。

强化学习[5]作为一种新兴的人工智能算法，其通过智能体与环境不断的交互产生评价性的反馈信号，并利用反馈信号不断改善智能体的策略，最终使智能体能够自主学习到适应环境的最优策略。该方法在序贯决策问题上表现出了强大的优越性和灵活性。在自动驾驶决策领域，基于规则的传统行为决策方法[6-9]缺乏对动态变化环境的适应能力，于是研究人员尝试使用强化学习算法来得到适应性强的决策模型。文献[10]使用强化学习算法为一个具有14自由度的仿真车辆建立决策模型，帮助自动驾驶车辆在仿真环境中完成沿道路行驶的任务。文献[11]将跟车行……