2019年5月13日，国际人工智能联合会议（IJCAI）2019发布了一篇题为Randomized Adversarial Imitation Learning的论文。该文介绍了一种基于自动驾驶的随机对抗性模仿学习（Randomized Adversarial Imitation Learning，RAIL）。该方法模拟了配备先进传感器的自动驾驶汽车的协调过程，通过自由派生优化决策系统进而协调诸如智能巡航控制（SCC）和车道保持（LKS）等ADAS功能。值得一提的是，该方法在复杂的多车道高速公路和多智能体环境下，可以处理激光雷达数据并进行决策。
在多车道高速公路环境中，安全事故往往会导致道路拥堵或发生更严重的交通事故。现代自动驾驶中呈现的各种ADAS功能具有高度的相互依赖性，需要将其看成一个单一的综合体，需要在保证安全的同时，形成长期有效的辅助策略显得尤为重要。本文介绍了一种基于自动驾驶的随机对抗性模仿学习（Randomized Adversarial Imitation Learning，RAIL）。该方法模拟了配备先进传感器的自动驾驶汽车的协调过程，通过自由派生优化决策系统进而协调诸如智能巡航控制（SCC）和车道保持（LKS）等ADAS功能。值得一提的是，该方法在复杂的多车道高速公路和多智能体环境下，可以处理激光雷达数据并进行决策。
基于自动驾驶的随机对抗性模仿学习（RAIL）法表明，在政策参数空间内的随机搜索可以适用于自动驾驶政策的模仿学习。具体贡献如下：
（1） 自驾驶机制是在模仿学习的启发下提出的，RAIL方法可以成功地模拟专业驾驶表现；相应的静态和线性策略可以以相近的速度完成多次换道和超车。
（2） 传统的模拟学习方法对自动驾驶的控制结构复杂。相比而言，RAIL方法是基于无派生的随机搜索，该方法更加简单。
（3） RAIL方法开创了应用于自主驾驶鲁棒驾驶策略的学习先河。
图1 车辆控制系统的简化学习层次
先来看一下传统的自动驾驶汽车的系统层次结构（如图1），底层的ADAS控制器直接连接到无人驾驶汽车的激光雷达传感器。控制器确定控制车辆所需的信息，并将已经决策好的操作传递给机械部件。作为一个单一的集成系统，最好有多个ADAS功能同时协作来控制车辆的系统运行。
研究动机：在多车道高速公路等有限条件下，主系统通过协调ADAS功能，实现汽车的自动驾驶。由于车辆本身与周围其他车辆、车道或者环境相互作用、互相交互，通过摄像头或雷达等监视器，主系统并不能获取车辆周围完整的环境状态，只能使用部分局部可见信息。因此，RAIL方法首先将监测代理器建模为一个（O，A，T，R， γ）数组，该数组表示一个部分可见的马尔可夫决策过程，其中包含对自动驾驶的连续观察和动作，还有激光雷达数据的部分观测状态，用O表示。
状态空间：RAIL使用激光雷达传感器发射的N条光束均匀地分布在视场上［wmin，wmax］获取的数据完成矢量观测。每个传感器数据有最大范围rmax，传感器返回它遇到的第一个障碍物与车辆之间的距离，如果没有检测到障碍物，则返回rmax。然后，数值表示为O＝（O1， ． ． ． ， ON）。进而，根据距离数据，可以计算出障碍物与车辆之间的相对速度Vr ＝ （V1，…VN）。
操作空间：该策略是一个高层次的决策者，通过对高速公路的观察来确定最优的行动。假设自动驾驶汽车利用了ADAS功能，因此，驱动策略的操作激活了每个ADAS功能。驱动策略定义在离散的动作空间。高层次决策可以分解为以下5个步骤：（1）保持当前状态；（2）加速速度为velcur＋velacc；（3）减速速度为velcur－veldec；（4）左转；（5）右转。以上操作通过自动紧急制动（AEB）和自适应巡航控制（ACC）完成。
图2 RAIL结构
RAIL主要是是增强传统的ARS和GAIL算法。RAIL旨在培训驾驶决策，模仿专业司机的规范操作。汽车被认为是一个代理策略πθ，在多车道高速公路上，车辆收集数据后生成小值随机噪声矩阵。该代理根据生成的噪声策略与环境进行多次交互，并将结果收集为样本轨迹。
