研究人员为基于VLM的自动驾驶规划器开发了一种新颖的“Run-then-Walk”调度策略,该策略利用了强化学习。这种两阶段方法首先关注进度发现(Run-GRPO)以摆脱保守偏见,然后转向安全恢复(Walk-GRPO)以纠正不安全行为。据报道,该方法在NAVSIMv1、NAVSIMv2、Navhard和nuScenes等基准测试中,取得了比传统单阶段RL方法更好的驾驶性能,并且收敛速度快40-50%。 AI
影响 该策略可以显著减少自动驾驶系统的训练时间,从而可能加速其开发和部署。
排序理由 详细介绍VLM自动驾驶新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →