研究人员推出了Sim2Signal,这是一个新的基准测试,旨在系统地衡量和评估在交通信号控制中使用强化学习来弥合“仿真到真实差距”的方法。这种差距是指在模拟中训练的策略在现实世界部署中失败的现象,该差距被分解为观察、动作、转移和奖励组件,每个组件都单独诱导。在33个差距设置和10个校准网络上的实验表明,直接迁移会持续降低性能,并且缓解效果高度依赖于特定的网络和差距类型。研究发现,估计差距变化的方法通常比域随机化技术更有效。 AI
影响 通过提供一种标准化的方法来衡量和解决仿真到真实差距问题,该基准测试有望加速更强大的现实世界交通控制人工智能系统的开发和部署。
排序理由 该集群包含一篇介绍用于评估人工智能方法的新基准测试的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- DagsHub
- Domain Randomization
- Hugging Face
- Markov decision process
- reinforcement learning
- Sim2Signal
- Sim-to-Real Gap
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →