2. Legal Decision-making for Highway Automated Driving

1. 主要内容
   
   本文提出了一个产生合规决策的四层架构。主要适合高速中的四种场景，速度限制，跟车距离，超车，换道。最终提高了自动驾驶合规率。
2. 相关研究
   当前主要有两种方式来考虑交通法规的决策，一个是基于规则的，一个是基于学习方法的。其中基于规则的包括三种方法：基于约束方法，基于有限状态机和基于优化的方法。
   1）基于约束的方法通过将与规律相关的参数定义为状态
   约束或规划空间约束，在一定程度上避免了违法；
   2）基于有限状态机的方法可以针对相应场景预先定义一
   组合规动作，从而实现特定场景下的完全合规；
   3）基于优化的方法通过将相关交通规律参数添加到规划
   成本函数中来考虑决策规划中的规律。
   基于学习的方法，比如深度强化学习考虑交通法规的常见方法是将交通法规设计为约束或奖励函数，并使用它们来训练模型。也有人提出了一种基于强化学习的方法和基于规则的备份策略来解决法律自适应决策问题。基于学习的方式由于其黑盒特性所以其可靠性有待商榷。