PulseAugur
实时 09:52:06
English(EN) CORAL: Curriculum-Optimized Reward Adaptation for LiDAR-Based Goal-Directed Urban Driving

CORAL系统通过基于课程的强化学习推进自动驾驶

研究人员开发了CORAL,这是一种用于增强自动城市驾驶强化学习的新方法。CORAL利用一个课程,该课程逐步增加路线长度和行为约束,并配有一个阶段感知奖励系统,该系统根据任务难度调整其权重。该方法使用紧凑的状态表示在CARLA模拟器中进行训练,在目标实现和路线完成方面显著优于标准的Proximal Policy Optimization基线,并展示了对未见过的城市环境的强大的零样本可迁移性。 AI

影响 增强了自动驾驶的强化学习,有可能提高在复杂城市环境中的导航和安全性。

排序理由 该集群描述了一篇关于自动驾驶强化学习新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

CORAL系统通过基于课程的强化学习推进自动驾驶

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Anisa Saleem, Duksu Kim ·

    CORAL:基于课程优化的奖励适应,用于基于LiDAR的城市目标导向驾驶

    arXiv:2608.14332v1 Announce Type: cross Abstract: Reinforcement learning is promising for autonomous urban driving, but long-horizon goal-directed navigation asks a policy to acquire several competing behaviors at once--reaching a distant goal, tracking a route, avoiding obstacle…