2. 驾驶策略基础
在进入模仿学习驾驶策略的评测与泛化工程之前，必须先建立一套共同的语言：自动驾驶系统究竟分几级、每一级对“策略”的要求有什么不同、驾驶策略在系统架构中处于什么位置，以及模仿学习为什么适合承担这一层任务。只有把这些问题厘清，后续讨论数据采集、模型训练、闭环评测和泛化能力时，才不会把“感知问题”和“决策问题”混为一谈。
一、自动驾驶分级：策略责任的分界线
业界普遍采用 SAE J3016 的 L0–L5 分级。分级的核心并不是“车能开多好”，而是谁负责执行动态驾驶任务、谁负责监控、谁在失效时兜底。这条责任边界直接决定了驾驶策略的输入、输出与安全约束。
| 等级 | 动态驾驶任务 | 监控主体 | 接管/兜底 | 策略形态 |
|---|---|---|---|---|
| L0 无自动化 | 人类 | 人类 | 人类 | 仅告警，无控制策略 |
| L1 辅助驾驶 | 人机共担 | 人类 | 人类 | 纵向或横向单一控制 |
| L2 部分自动化 | 系统 | 人类 | 人类 | 横纵向联合，人需持续监控 |
| L3 有条件自动化 | 系统 | 系统（限定场景） | 人类响应接管 | 需具备接管请求与最小风险策略 |
| L4 高度自动化 | 系统 | 系统 | 系统 | 限定 ODD 内自主完成，含最小风险状态 |
| L5 完全自动化 | 系统 | 系统 | 系统 | 无 ODD 限制的通用策略 |
从 L2 到 L3 是一次质变：L2 的策略只需“开得像人”，L3 及以上的策略还必须“知道自己什么时候开不了”，并主动请求接管或进入最小风险状态。这意味着策略输出不再只是油门、刹车、转向，还包括置信度、可运行域判断和风险动作。
二、驾驶策略的定义与系统定位
驾驶策略（Driving Policy）可以定义为：在给定观测与任务目标下，输出驾驶动作序列的映射函数。形式化地，若观测为 o_t（含自车状态、周围目标、地图与导航信息），动作为 a_t（加速度、曲率或轨迹），则策略为 π: o_t → a_t 或 π: o_{t-k:t} → a_{t:t+H}。前者是逐步决策，后者是轨迹级决策。
在典型自动驾驶架构中，驾驶策略位于感知与规控之间，承担“从世界状态到行为意图”的转换。它向下游输出轨迹或控制目标，向上游依赖感知与预测结果。下图给出驾驶策略在系统中的位置及其与模仿学习的关系。
三、模仿学习在驾驶任务中的定位
模仿学习（Imitation Learning, IL）把驾驶策略学习建模为“从专家示范中学习映射”。最直接的方法是行为克隆（Behavior Cloning, BC）：给定人类驾驶数据集 D = {(o_i, a_i)}，最小化 L = Σ ||π_θ(o_i) − a_i||²。它实现简单、训练稳定，适合作为驾驶策略的基线。
但 BC 存在经典的分布偏移问题：训练时只见到专家状态分布，推理时一旦偏离，误差会累积放大。因此工程上常配合 DAgger 式在线纠偏、逆强化学习（IRL）或基于成本的规划器，把“学得像”与“开得安全”结合起来。
定位小结：模仿学习不是替代感知或控制，而是承担“从场景理解到行为决策”的策略层学习。它最适合处理规则难以穷举、交互密集、风格多样的驾驶行为，例如无保护左转、汇入车流、环岛通行和拥堵跟车。
四、典型应用场景与工程要点
- 城市道路无保护左转：需要判断对向车流间隙，模仿人类“试探—等待—通过”的决策节奏。
- 高速匝道汇入：需要与主路车流交互，策略要同时考虑加速、让行与并线时机。
- 拥堵跟车：强调舒适性与时距保持，模仿学习可学到人类驾驶的平滑加减速风格。
- 环岛与路口通行：多车博弈场景，适合用轨迹级模仿学习输出未来数秒轨迹。
- 园区低速接驳：ODD 受限、规则清晰，是模仿学习策略落地与评测的常见起点。
在工程实现上，一个最小可用的行为克隆训练配置通常如下：
dataset: nuScenes / 自采人类驾驶数据
input: 前视相机 + 自车状态 + 导航指令
output: 未来 3s 轨迹 (6 个航点) 或 加速度/曲率
model: ResNet-34 骨干 + Transformer 时序编码
loss: L2 轨迹回归 + 碰撞惩罚项
batch: 64
lr: 1e-4
epochs: 30
eval: 开环位移误差 + 闭环接管率
提示：开环指标（如 L2 位移误差）低，并不代表闭环表现好。评测模仿学习驾驶策略时，必须把闭环仿真、接管率和泛化场景作为核心指标，这也是后续章节的重点。
五、常见误区与复盘
第一个误区是把分级当成能力排名。L2 和 L3 的差别不在“谁开得更好”，而在责任与接管机制。第二个误区是把模仿学习等同于端到端。模仿学习可以只学策略层，也可以端到端学习，二者是不同维度。第三个误区是只看开环损失，忽略分布偏移与长尾场景。
复盘要点：驾驶策略的评测必须回到“分级责任 + ODD + 闭环表现”三要素。模仿学习提供了一条从数据到策略的高效路径，但它的泛化边界、失效模式和接管行为，才是工程落地真正需要回答的问题。
理解了分级、策略定义与模仿学习的定位之后，后续就可以围绕数据、模型、闭环评测和泛化工程逐层展开，把“开得像人”推进到“开得安全、可测、可泛化”。