自动驾驶真正踏出迈向“用户”的第一步：IROS24新SOTA提出个性化的实例迁移模仿学习

文章预览

导读： 本文针对自动驾驶规划任务，提出了一种基于实例的迁移模仿学习方法，通过预先训练的微调框架从专家域迁移专业知识，以解决用户域数据稀缺问题。实验结果显示，该方法能有效捕捉用户驾驶风格并实现具有竞争力的规划性能，但仍需开发合适的用户风格测量方法。 ©️【深蓝AI】编译 个性化运动规划在自动驾驶领域中具有重要意义，可以满足个人用户的独特需求。然而，以往的工作在同时解决两个关键问题方面经常遇到困难： ● 在复杂的城市环境中进行个性化规划； ● 通过高效数据使用提高规划性能。 上述困难主要来自于用户数据的昂贵和有限性，再加上场景状态空间趋向于无穷大。这些因素导致模型训练期间出现过拟合和泛化能力差的问题。因此，本文提出了一种基于实例的迁移模仿学习方法，该方法有助于将知识数据从广泛 ………………………………