通过 RL 微调改善自动驾驶的智体行为

文章预览

24年9月来自UCLA和谷歌Waymo的论文“使用强化学习微调改进自动驾驶的智体行为”。 自动驾驶汽车研究的一个主要挑战是建模智体行为，它具有关键的应用，包括为非车载评估构建逼真可靠的模拟，以及为车内规划预测交通智体运动。虽然监督学习已在各个领域的智体建模中取得成功，但这些模型在测试时部署时可能会受到分布变化的影响。这项工作用强化学习（RL）对行为模型进行闭环微调来提高智体行为的可靠性。在 Waymo Open Sim Agents （WOSAC）挑战赛中，该方法展示了改进的整体性能，以及改进的目标指标，例如碰撞率。此外，提出一种策略评估基准，直接评估模拟智体衡量自动驾驶汽车规划器质量的能力，并证明本文方法在这个新基准上的有效性。 基于 Transformer 的模型已经应用于各个领域，如文本生成 [4]、图像生成 [26]、机器人 [43]、药物研 ………………………………