研究人员开发了一种新的自动驾驶行为克隆方法，该方法在模拟城市环境中使用鸟瞰视角。该方法通过集成核密度估计器来调整训练样本权重，从而增强了监督学习，尤其是在专家演示稀缺的情况下，能够更好地学习遵守交通信号灯等罕见但关键的行为。训练好的卷积神经网络（CNN）处理这些鸟瞰输入，输出转向和加速指令，与标准行为克隆相比，在CARLA模拟器中展示了显著提高的驾驶性能和路线完成率。 AI
影响 这项研究通过改进从有限数据中学习关键驾驶行为的能力，有望带来更强大、更安全的自动驾驶系统。
排序理由 这是一篇详细介绍模拟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 →
