【香港科技大学】通过大型语言模型生成和演化高速公路驾驶的奖励函数

文章预览

点击下方 卡片 ，关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ，即可获取 论文链接： https://arxiv.org/pdf/2406.10540 摘要 本文介绍了通过大型语言模型生成和演化高速公路驾驶的奖励函数 。强化学习（RL）通过最大化奖励函数来实现最优策略，其在推进自动驾驶技术方面发挥着至关重要的作用。然而，在很多实践过程中，制定这些奖励函数是一个复杂的人工过程。为了降低这种复杂性，本文引入了一种新的框架，其将大型语言模型（LLMs）与RL相结合，以改进自动驾驶中奖励函数的设计。该框架利用LLMs的编码能力来生成和演化高速公路场景的奖励函数。该框架首先指示LLMs基于驾驶环境和任务描述来创建初始的奖励函数代码。然后，通过涉及RL训练和LLMs反思的迭代循环来优化此代码，这得益于它们复查和改进输出的能力。本文还开发了一种特定的提示 ………………………………