无人驾驶车辆是全球汽车产业发展的重要战略方向,是我国实现交通强国的关键技术之一。目前主流的无人驾驶系统明确划分了感知、定位、决策、规划、控制等环节的任务边界,在结构上削减了不同环节之间的耦合,该系统在面对大量动态且意图具有不确定性的交通参与者时难以及时做出正确反应,仅对局部环节进行优化难以从根本上保障系统的安全性。因此,现有架构已成为无人驾驶车辆实现规模化应用的主要瓶颈之一。近年来,越来越多的研究者将注意力转向基于端对端学习的无人驾驶系统架构,该系统架构通过神经网络直接将传感器的原始数据映射到车辆的决策和控制,保护了模块间的耦合性,允许数据自行建立隐性关联,不仅削弱了局部任务中误差对决策和控制结果的影响,还减少了由于任务分工过细导致的计算冗余。然而,由于训练数据的学习价值或标签的分布不平衡,端对端无人驾驶存在严重的模型训练不平衡问题。因此,本文围绕端对端学习中的不平衡训练问题展开研究,针对车辆决策模型训练中的训练样本采样不平衡问题,研究了基于前采样平衡的均衡训练方法;针对转向估计和驾驶模型迁移中的数据分布不平衡问题,研究了基于后梯度平衡的均衡训练方法。主要的研究成果如下:（1）针对决策模型训练中的记忆采样样本价值不平衡问题,本文提出了一种基于多奖惩优先级采样的均衡训练方法。深度强化学习模型能有效搜索到最优的车辆决策结果,特别是深度Q学习这种经典的方法。但是此类方法面临着学习的记忆样本价值不平衡问题,模型在训练时采样了大量学习价值低的样本,难以学习到高价值样本。本文基于优先级采样机制,设计出一种均衡的训练形式,实现对高低价值样本的编码和优先采样,同时基于多奖惩函数分解优化了函数逼近器,极大发挥高价值样本的作用,从而提升模型训练效果。通过高速公路模拟器的训练和测试实验证明,本文提出的方法提升了无人驾驶车辆的加减速、左右换道的决策效果。（2）针对转向估计模型中的训练数据标签分布不平衡问题,本文提出了一种基于三因子模型的代价敏感均衡损失函数。正常的驾驶行为中,大转向的驾驶行为较少,直道驾驶行为远远多于弯道驾驶行为。因此,数据集表现出非常不平衡的现象,转向分布整体呈现中间高两边低的分布现象。此类数据集训练的模型在直道上转向估计较好,弯道估计较差。本文设计的三因子模型直接作用于损失函数,通过调试三因子参数放大分布较少的转向数据的损失贡献,而相对保持转向分布较多的转向数据的损失贡献,从而实现模型的均衡训练。实验证明,本文方法在不同的驾驶数据集和模型上均提升了端对端转向估计精度。（3）针对三因子转向估计模型中的手动调参问题,本文进一步提出了一种自适应梯度对冲的代价敏感均衡损失函数,进一步优化了端对端无人驾驶转向估计模型的均衡训练。三因子模型中需要对三项参数因子进行手动调参,降低了该方法的普适性。为了降低调参难度,本文进一步分析数据集分布规律,基于其分布规律设计了自适应梯度对冲因子,从而构建自适应均衡训练代价敏感损失函数。实验证明,本文提出的自适应梯度对冲方法进一步提升了转向估计模型的估计精度。（4）针对端对端驾驶模型虚实迁移任务中的训练数据标签分布不平衡问题,本文提出了一种代价敏感均衡对抗学习模型,在实现端对端转向估计器的均衡训练情况下,实现模拟器中训练的驾驶模型迁移到真实的环境中。传统的域迁移方法均需要中间训练监督标签,或者进行二阶段的训练,本文提出了一种一阶段的训练框架,可以直接训练出驾驶域迁移模型,针对驾驶数据的不平衡特征引入前述的代价敏感均衡损失函数,对冲梯度不平衡现象。实验证明,在虚拟驾驶数据和不同的真实驾驶数据集间,本文提出的方法能在均衡训练条件下驾驶模型的虚实迁移。综上,本文建立了端对端无人驾驶决策控制领域常用的均衡训练方法,集中在前采样平衡方式和后梯度平衡方式,并在无人驾驶决策、无人驾驶转向估计和虚实驾驶模型迁移领域进行了验证与应用。