随着全球城市化进程的加速发展,交通安全与拥堵、环境污染等问题日益严重。自动驾驶技术有望解决这些问题,并已成为现代汽车技术的一个重要研究方向。特别是人工智能相关技术在自动驾驶领域的应用,为解决大规模、复杂城市场景下的自动驾驶汽车导航提供了可能。当前,自动驾驶汽车大多只能在具有高精度地图且相对封闭的场景下进行决策、规划与控制。这些方法是基于预设置的规则,即当车辆感知到的场景与设定场景相同时,按照定义好的规则决策行为。由于自动驾驶场景的复杂性,预设定的规则往往无法涵盖所有场景,导致自动驾驶汽车控制失败,甚至造成致命的后果。而数据和人工智能算法驱动的车辆自主学习能力,则有望应对复杂的自动驾驶场景。自动驾驶汽车需要感知复杂环境做出决策,控制车辆到达下一环境状态。并在和环境的不断交互中实现自主学习,不断优化决策控制方案。这一过程符合强化学习（Reinforcement Learning,RL）的工作范式,强化学习将连续决策问题建模为马尔可夫过程,并通过求解贝尔曼方程找到最优解。但是由于强化学习较高的计算复杂度,无法解决高维度（连续）状态空间和行为空间的问题。深度学习（Deep Learning,DL）具有强大的感知能力和非线性函数拟合能力,为解决高维问题提供了可能。深度强化学习（Deep Reinforcement Learning,DRL）结合了深度学习强大的感知能力与强化学习的推理能力,已经在移动机器人、机械臂、基于图像的游戏等领域取得了令人瞩目的成绩。模仿学习（Imitation Learning,IL）是另一种自主学习方法,智能体通过专家经验学习到策略并泛化到新的场景,弥补了深度强化学习学习速度慢、稳定性差的不足。本文依托中国科学院深圳先进技术研究院与澳门大学申请的联合基金“协同智能驱动的无人驾驶关键技术与平台研究”,对自主学习在自动驾驶决策与控制中的应用进行了深入研究。主要工作及创新点如下:（1）针对传统深度强化学习“试错”与自动驾驶汽车安全性要求之间的矛盾,本文提出了基于动态最小安全距离约束的深度强化学习变道超车框架。引入综合考虑安全、效率与舒适度的奖励函数,提升了变道策略的性能。基于动态最小安全距离约束的深度强化学习框架,确保车辆在训练及测试过程中安全性。采用Double DQN算法,实例化变道框架,在决策仿真平台Highway-env训练并测试。实验结果表明,本文所提框架训练所得的变道策略,在确保车辆安全的前提下,提高了超车的效率与舒适性。（2）针对传统车辆跟驰控制方法建模复杂、参数调节难的问题,本文提出了一种基于多帧RGB图像的深度强化学习控制方法。采用近端策略优化算法控制连续行为空间的加速和减速。为了解决连续行为空间造成的学习速度慢的问题,本文在深度强化学习与环境交互产生经验的基础上,添加了专家经验指导学习。分别使用结构化状态空间和非结构化状态空间提供环境信息。以图像信息作为环境感知数据输入到决策网络,符合人类驾驶感知与决策方式。为了验证奖励函数对深度强化学习策略优化的影响,本文使用了四种不同的奖励函数训练策略。实验结果表明,与传统的跟驰控制方法相比较,数据驱动的深度强化学习方法训练所得策略泛化能力强,稳定性高。（3）针对大规模、复杂城市场景下的自动驾驶导航问题,本文提出了基于偏航角引导的模仿学习框架,实现了城市场景下的自动驾驶端到端导航,并具有一定的可解释性。模仿学习通过收集专家经验（观测行为对）,训练神经网络,并泛化到其他场景下。传统的端到端方法无法解决城市场景下的道路选择,即十字路口、丁字路口。条件分支网络将乘客的指令作为分支选择的标志,优化不同的分支网络参数。但是该方法降低了数据的使用效率。本文提出了偏航角引导的方法,有效的提高了数据的使用效率。并将Attention机制引入感知模块,Attention热图可视化了神经网络关注的重点区域。为场景与决策间的因果关系提供了分析的依据。综上所述,基于自主学习的自动驾驶决策与控制研究,弥补了基于规则与模型的传统决策与控制方法无法处理大规模、复杂场景的不足。为人工智能方法的应用提供了理论指导。