2019年5月13日，國際人工智能聯合會議（IJCAI）2019發布了一篇題為Randomized Adversarial Imitation Learning的論文。該文介紹了一種基于自動駕駛的隨機對抗性模仿學習（Randomized Adversarial Imitation Learning，RAIL）。該方法模擬了配備先進傳感器的自動駕駛汽車的協調過程，通過自由派生優化決策系統進而協調諸如智能巡航控制（SCC）和車道保持（LKS）等ADAS功能。值得一提的是，該方法在復雜的多車道高速公路和多智能體環境下，可以處理激光雷達數據并進行決策。

在多車道高速公路環境中，安全事故往往會導致道路擁堵或發生更嚴重的交通事故。現代自動駕駛中呈現的各種ADAS功能具有高度的相互依賴性，需要將其看成一個單一的綜合體，需要在保證安全的同時，形成長期有效的輔助策略顯得尤為重要。本文介紹了一種基于自動駕駛的隨機對抗性模仿學習（Randomized Adversarial Imitation Learning，RAIL）。該方法模擬了配備先進傳感器的自動駕駛汽車的協調過程，通過自由派生優化決策系統進而協調諸如智能巡航控制（SCC）和車道保持（LKS）等ADAS功能。值得一提的是，該方法在復雜的多車道高速公路和多智能體環境下，可以處理激光雷達數據并進行決策。

基于自動駕駛的隨機對抗性模仿學習（RAIL）法表明，在政策參數空間內的隨機搜索可以適用于自動駕駛政策的模仿學習。具體貢獻如下：

（1） 自駕駛機制是在模仿學習的啟發下提出的，RAIL方法可以成功地模擬專業駕駛表現；相應的靜態和線性策略可以以相近的速度完成多次換道和超車。

（2） 傳統的模擬學習方法對自動駕駛的控制結構復雜。相比而言，RAIL方法是基于無派生的隨機搜索，該方法更加簡單。

（3） RAIL方法開創了應用于自主駕駛魯棒駕駛策略的學習先河。

圖1 車輛控制系統的簡化學習層次

先來看一下傳統的自動駕駛汽車的系統層次結構（如圖1），底層的ADAS控制器直接連接到無人駕駛汽車的激光雷達傳感器。控制器確定控制車輛所需的信息，并將已經決策好的操作傳遞給機械部件。作為一個單一的集成系統，最好有多個ADAS功能同時協作來控制車輛的系統運行。

研究動機：在多車道高速公路等有限條件下，主系統通過協調ADAS功能，實現汽車的自動駕駛。由于車輛本身與周圍其他車輛、車道或者環境相互作用、互相交互，通過攝像頭或雷達等監視器，主系統并不能獲取車輛周圍完整的環境狀態，只能使用部分局部可見信息。因此，RAIL方法首先將監測代理器建模為一個（O，A，T，R， γ）數組，該數組表示一個部分可見的馬爾可夫決策過程，其中包含對自動駕駛的連續觀察和動作，還有激光雷達數據的部分觀測狀態，用O表示。

狀態空間：RAIL使用激光雷達傳感器發射的N條光束均勻地分布在視場上［wmin，wmax］獲取的數據完成矢量觀測。每個傳感器數據有最大范圍rmax，傳感器返回它遇到的第一個障礙物與車輛之間的距離，如果沒有檢測到障礙物，則返回rmax。然后，數值表示為O＝（O1， ． ． ． ， ON）。進而，根據距離數據，可以計算出障礙物與車輛之間的相對速度Vr ＝ （V1，…VN）。

操作空間：該策略是一個高層次的決策者，通過對高速公路的觀察來確定最優的行動。假設自動駕駛汽車利用了ADAS功能，因此，驅動策略的操作激活了每個ADAS功能。驅動策略定義在離散的動作空間。高層次決策可以分解為以下5個步驟：（1）保持當前狀態；（2）加速速度為velcur＋velacc；（3）減速速度為velcur－veldec；（4）左轉；（5）右轉。以上操作通過自動緊急制動（AEB）和自適應巡航控制（ACC）完成。

圖2 RAIL結構

RAIL主要是是增強傳統的ARS和GAIL算法。RAIL旨在培訓駕駛決策，模仿專業司機的規范操作。汽車被認為是一個代理策略πθ，在多車道高速公路上，車輛收集數據后生成小值隨機噪聲矩陣。該代理根據生成的噪聲策略與環境進行多次交互，并將結果收集為樣本軌跡。