强化学习 (RL) 在自动驾驶中用于通过试错来训练决策系统。在强化学习中，智能体（车辆的控制系统）与环境（道路状况、交通、传感器）交互，并通过最大化奖励函数来学习最佳行动。例如，自动驾驶汽车可能会因保持安全速度或保持在车道内而获得积极奖励，而因碰撞或突然制动而获得消极奖励。 随着时间的推移，智能体学习策略——例如何时变换车道或调整速度——从而平衡安全性、效率和乘客舒适度。 这种方法对于处理复杂的、动态的场景特别有用，在这些场景中，仅靠预定义的规则是不够的，例如并入繁忙的交通或应对不可预测的行人行为。
强化学习的一个关键应用是在运动规划和控制中。 例如，强化学习模型可以通过模拟与虚拟环境中其他车辆的交互来学习调整转向和加速。 状态空间可以包括来自摄像头、激光雷达和雷达的数据（例如，到附近车辆的距离、交通信号灯状态），而行动可能涉及油门、制动或转向指令。 Waymo 和特斯拉等公司使用基于强化学习的系统来改进诸如变道或交叉路口导航之类的行为。 模拟在这里至关重要，因为它们允许智能体安全地探索数百万种场景。 例如，英伟达的 Drive Sim 平台使强化学习智能体能够练习罕见但关键的事件，例如避开突然出现的障碍物，而无需承担现实世界的风险。 然后，这些经过训练的策略会使用现实世界的数据进行微调，以处理极端情况。
然而，自动驾驶中的强化学习面临着挑战。 首先，设计能够准确反映安全和性能目标的奖励函数是困难的——过于简单的奖励可能会导致意想不到的行为，例如激进驾驶以最大限度地减少旅行时间。 其次，强化学习需要大量的计算资源和大量的训练数据，这可能代价高昂。 第三，现实世界的验证仍然至关重要； 模拟可能无法捕捉到所有物理或环境细微差别，从而导致“从模拟到现实的差距”。 为了解决这些问题，开发人员经常将强化学习与其他技术相结合，例如模仿学习（模仿人类驾驶员）或监督感知模型。 例如，混合系统可能会使用强化学习进行高级决策，同时依靠传统的控制算法进行低级稳定。 这种分层方法平衡了强化学习的适应性和已建立方法的可靠性。