機器學習領域本身已發展出多種技術，本文將介紹其中之一 —— 深度強化學習（DRL）。本文深入探討了分層運動規劃問題，闡述了深度強化學習的基礎。設計此類系統的主要要素包括環境建模、建模抽象、狀態描述與感知模型、合理的獎勵機制以及底層神經網絡的實現。文章還描述了車輛模型、仿真可能性和計算需求，展示了不同層級的戰略決策和觀測模型（如連續和離散狀態表示、基于網格和基于攝像頭的解決方案）。本文按自動駕駛的不同任務和級別（如跟車行駛、車道保持、軌跡跟蹤、匯入車流或密集交通環境行駛等）對最新解決方案進行了系統綜述。最后，討論了該領域尚未解決的問題和未來的挑戰。