PulseAugur
中
实时 13:56:50
English(EN) CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving

新框架通过结合模仿学习和强化学习改进自动驾驶模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出CoIRL-AD，一个用于训练自动驾驶模型的新框架，该框架在离线设置中结合了模仿学习（IL）和强化学习（RL）。该方法旨在通过解耦IL和RL目标并使用想象中的滚动来估计奖励，从而提高泛化能力，尤其是在罕见场景下。在nuScenes基准上的实验表明，与现有的基于IL的方法相比，CoIRL-AD提高了鲁棒性和跨城市泛化能力。 AI

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一种新的自动驾驶方法。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Xiaoji Zheng, Ziyuan Yang, Yanhao Chen, Yuhang Peng, Yuanrong Tang, Gengyuan Liu, Bokui Chen, Jiangtao Gong ·

    CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving

    arXiv:2510.12560v2 Announce Type: replace-cross Abstract: End-to-end autonomous driving models trained with imitation learning (IL) often generalize poorly, particularly in long-tail scenarios where expert demonstrations are sparse. Reinforcement learning (RL) can provide complem…

相关实体

相关话题