強化學習用於自動駕駛（RL for autonomous driving）

自動駕駛要求車輛在車流中感知、預測並安全地行動。RL 對其中的「決策層」尤其有吸引力——變換車道、匯入、協商通過路口——因為怎麼做才對，取決於其他駕駛接下來會怎麼動。

狀態結合了由感測器導出的特徵，例如鄰近車輛、車道與號誌；動作是轉向與油門，或更高層的駕駛機動；獎勵則在前進、舒適與安全之間取得平衡。由於撞車無法接受，RL 幾乎完全在模擬中訓練，常常面對會自己學習的車流（多智能體情境），再非常謹慎地遷移。許多正式系統只把 RL 用在子問題上，外面仍包著以規則為本的安全層。

罕見事件的長尾——孩童突然衝出、梯子掉在路上——主宰了真實世界的安全，卻幾乎不在資料裡出現，而一次災難性失誤就已經太多。所以全程端到端的 RL 駕駛，至今大多仍是研究上的願景，而非已出貨的產品。