2. 自动驾驶与模仿学习基础
在进入数据工程细节之前，需要先建立一张“共同地图”：自动驾驶系统由哪些模块组成、模仿学习在其中处于什么位置、行为克隆与逆强化学习各自解决什么问题。只有把这张地图画清楚，后续的数据采集、标注、清洗、训练与评测才有统一的坐标系。
一、自动驾驶分级：从辅助到无人
SAE J3016 将驾驶自动化分为 L0 到 L5 六个等级，核心区别在于“谁负责动态驾驶任务”以及“谁负责兜底”。L0 到 L2 属于辅助驾驶，驾驶员始终是责任主体；L3 在特定条件下由系统完成驾驶，但需要驾驶员在请求时接管；L4 在限定运行域内系统可独立完成全部任务，无需人类接管；L5 则要求在全场景、全气候下达到人类水平。
| 等级 | 名称 | 动态驾驶任务 | 接管责任 | 典型能力 |
|---|---|---|---|---|
| L0 | 无自动化 | 驾驶员 | 驾驶员 | 仅报警提示 |
| L1 | 驾驶辅助 | 驾驶员+系统 | 驾驶员 | 纵向或横向单一控制 |
| L2 | 部分自动化 | 系统 | 驾驶员 | 同时控制横向与纵向 |
| L3 | 有条件自动化 | 系统 | 系统请求后驾驶员 | 特定场景下脱手 |
| L4 | 高度自动化 | 系统 | 系统 | 限定运行域内无人 |
| L5 | 完全自动化 | 系统 | 系统 | 全场景无人 |
对数据工程而言，等级决定了数据需求：L2 需要大量接管样本与边界场景；L3 需要“系统请求接管”前后的时序数据；L4 则更强调长尾场景覆盖与仿真回放。等级越高，对数据闭环的依赖越强。
二、感知—决策—规划—控制模块
典型自动驾驶软件栈可拆为四个层次。感知层负责把传感器原始信号变成结构化世界表示，包括目标检测、车道线识别、语义分割、多目标跟踪与自车定位。决策层负责行为选择，例如跟车、变道、让行、超车。规划层在决策意图下生成一条满足动力学约束、舒适性与安全性的轨迹。控制层把轨迹转化为油门、刹车、转向等执行器指令。
模仿学习主要作用于决策与规划层，也可用于端到端感知—控制映射。它不直接编写规则，而是从人类驾驶数据中学习“在什么状态下应该输出什么动作或轨迹”。
三、模仿学习定义与行为克隆
模仿学习（Imitation Learning）是指智能体不依赖显式奖励函数，而是从专家示范中学习策略。形式化地，给定专家轨迹数据集 \(D=\{(s_i,a_i)\}\)，目标是学习策略 \(\pi_\theta(a|s)\) 使其接近专家策略 \(\pi_E\)。在自动驾驶中，专家通常是人类驾驶员，状态 \(s\) 是感知输出与自车状态，动作 \(a\) 是转向、油门、刹车或未来轨迹点。
行为克隆（Behavior Cloning, BC）是最直接的做法：把模仿学习当作监督学习，最小化动作预测误差。其损失函数可写为：
L_BC(θ) = E_(s,a)~D [ || π_θ(s) - a ||² ]
# 训练伪代码
for batch in dataloader:
s, a = batch # 状态与专家动作
a_hat = policy(s) # 模型预测
loss = mse(a_hat, a) # 回归损失
loss.backward()
optimizer.step()BC 的优点是简单、稳定、易扩展，适合大规模数据。但它存在两个经典问题：一是分布偏移，训练时只见过专家状态，推理时一旦偏离就会进入未见过状态并持续犯错；二是因果混淆，模型可能学到“刹车灯亮所以减速”这类伪相关，而非真正因果。缓解手段包括数据增强、DAgger 式在线纠错、加入历史帧与多模态输入等。
四、逆强化学习简介
逆强化学习（Inverse Reinforcement Learning, IRL）换了一个思路：不直接学策略，而是先从专家行为中反推奖励函数 \(R(s,a)\)，再用强化学习在学到的奖励下求最优策略。其直觉是“专家之所以这样做，是因为这样做回报高”。
IRL 的典型流程为：采集专家轨迹 → 初始化奖励函数 → 在当前奖励下求解策略 → 比较专家与策略的占用度量 → 更新奖励 → 迭代至收敛。相比 BC，IRL 对分布偏移更鲁棒，且奖励函数可迁移到新场景；但计算成本高、训练不稳定，通常用于仿真或小规模精细场景。
五、案例与常见误区
假设一个城市路口左转场景。BC 模型直接学习“方向盘转角 + 油门”序列，若训练集中左转样本多为低速，模型在高速接近路口时可能仍输出大转角，导致危险。若改用 IRL，模型可能学到“安全通过路口且不干扰对向车流”的奖励，从而在不同速度下产生更合理的让行或加速决策。
因此，数据工程在模仿学习中的核心任务不是“多标数据”，而是“标对数据”：覆盖长尾、保持专家一致、保留时序上下文，并建立从车端到训练到仿真的闭环。理解分级、模块、BC 与 IRL 的差异，是后续设计采集策略与标注规范的前提。