本研究提出了一种基于学习驾驶员模型的方法，该模型能够考虑不能直接观测到的变量，并学习区分四类不同驾驶员行为的编码。通过该方法，得到的驾驶策略在模拟真实驾驶行为方面比基准方法更为有效，并且策略选择的行为明显受到所提供的潜变量设置的影响。

Apr, 2017

通过对司机人群行为偏好数据的建模和模拟，我们构建了一个智能辅助驾驶员驾驶干预策略的轻量级仿真环境，并使用该环境来测试不同驾驶员类型的区分能力和干预策略的效果。

Jul, 2022

利用数据驱动的方法调整控制器以确保AV的安全和个性化控制，进而提高用户的信任度和接受度，我们研究了驾驶风格对用户接受度的影响，并证明了个性化能显著影响AV的态度。

Jan, 2023

ASAP-RL提出了一种基于动作技能和专家先验知识的自动驾驶高效强化学习算法，旨在应对在复杂的拥堵道路条件下，传统驾驶策略难以扩展的问题。实验结果表明，相对于其他应用不同技能和先验知识的方法，该算法能够提高学习效率和驾驶性能。

May, 2023

通过使用强化学习和人类偏好对齐，该研究旨在改善现有交通模型的模拟真实性，解决交通模拟模型的多样性和人类偏好的问题。该研究还提出了用于实现真实性对齐的数据集，并以nuScenes数据集的综合评估验证了TrafficRLHF框架在生成与人类偏好一致的逼真交通场景方面的能力。

Sep, 2023

基于主动推理（active inference）的模型提供了一个基于最小化预期自由能的单一目标函数来处理目标追求和信息追求（解决不确定性）行为，从而无缝解决不确定性，实现类似人类的适应性驾驶行为。

Nov, 2023

人工驱动车辆导致交通拥堵，增加燃油消耗、碰撞风险和减少容量利用率。本研究通过分析真实世界中的人类驾驶轨迹，提取了在车跟随过程中的加速行为，并将这些行为与之前研究中的自动驾驶车辆结合起来，以减少拥堵并评估其安全性、效率和稳定性。此外，还引入了基于强化学习的自动驾驶车辆，利用拥堵阶段分类神经网络来优化“安全+稳定”或“效率”，并在不同密度、配置和渗透率的混合交通控制环境中进行评估，并与现有的自动驾驶车辆进行比较。

Nov, 2023

用HR-PPO多智能体算法通过自我对抗训练实现人类驾驶参考政策偏离的小惩罚，从而在模拟中培训和评估具有可扩展性的自动驾驶系统，以达到高目标实现率、低离道率和低碰撞率，并在与人类驾驶协调度方面取得显著改进。

Mar, 2024

利用基于游戏引擎（即CARLA）的驾驶模拟器，收集了来自四名司机在不同场景下的高分辨率车辆轨迹、交通信号相位和时间信息以及停车或通行的决策，通过分析个性化驾驶行为并开发个性化变压器编码器预测个体司机在困境区域中的停车还是通行决策，结果表明，相比于通用的变压器编码器和二元逻辑回归模型，个性化变压器编码器在困境区域中预测驾驶员决策的准确性提高了3.7%至12.6%和16.8%至21.6%。

May, 2024

通过使用一种经过学习的剩余策略，基于单个带有人类驾驶员的车辆，我们可以减轻交通拥堵并改善驾车体验，尤其是考虑到各种驾驶员行为的不确定性。

Jun, 2024