HighwayEnv - 自动驾驶决策环境 HighwayEnv

A minimalist environment for decision-making in autonomous driving

HighwayEnv 是一个专为自动驾驶和战术决策任务设计的强化学习环境集合，由 Edouard Leurent 开发并由 Farama Foundation 维护。该项目基于 Gymnasium 标准接口，提供了一系列高度逼真的交通场景，旨在帮助研究人员和开发者训练、测试自动驾驶算法。核心环境包括高速公路驾驶（highway-v0）、匝道汇入（merge-v0）、环岛通行（roundabout-v0）、泊车（parking-v0）、交叉口协商（intersection-v0）以及赛道竞速（racetrack-v0）等。每个场景都模拟了多车辆交互的复杂动态，要求智能体在保持高速行驶的同时避免碰撞，并遵守交通规则（如靠右行驶）。技术栈上，HighwayEnv 使用 Python 编写，依赖 Gymnasium 作为强化学习接口，支持通过 pip 安装，并提供了与 Stable-Baselines3、rl-agents 等主流强化学习库的集成示例。项目解决了自动驾驶中决策规划的核心难题——如何在不确定、多智能体共存的交通环境中做出安全高效的战术决策。其适用场景广泛，包括学术研究中的算法验证、自动驾驶公司的仿真测试，以及教育领域的强化学习教学。HighwayEnv 还提供了快速变体（如 highway-fast-v0）以支持大规模训练，并配有详细的文档和 Google Colab 在线体验，降低了使用门槛。