PulseAugur
中
实时 14:05:25
English(EN) Beyond Imitation: Learning Safe End-to-End Autonomous Driving from Hard Negatives

新框架从模拟故障中学习自动驾驶安全

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为 BeyondDrive 的新框架，以提高端到端自动驾驶系统的安全性。与以往主要从成功的驾驶示例中学习的方法不同，BeyondDrive 明确地从模拟的失败驾驶场景中学习。这种方法使用新颖的负轨迹生成器和专门的损失函数，以确保驾驶系统不仅模仿专家行为，还能主动避开危险情况，从而在自动驾驶基准测试中获得更好的性能。 AI

影响 通过从模拟故障中学习来提高自动驾驶安全性，有望带来更强大、更可靠的自动驾驶系统。

排序理由 学术论文的发表，详细介绍了新框架和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

新框架从模拟故障中学习自动驾驶安全

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Qichao Zhang ·

    Beyond Imitation: Learning Safe End-to-End Autonomous Driving from Hard Negatives

    Existing imitation learning methods for end-to-end autonomous driving predominantly learn from successful demonstrations by minimizing geometric deviations from expert trajectories. This paradigm implicitly assumes that spatial proximity implies behavioral safety, leading to a cr…

相关实体

相关话题