Lamarck's Driving School

新的拉马克框架优化自动驾驶训练策略

研究人员开发了一种新颖的拉马克进化框架来优化自动驾驶系统的训练策略。该方法用候选训练分布之间的直接竞争取代了传统的代理标准，使场景分布和策略能力能够共同进化。该框架的进化轨迹揭示了高价值分布的阶段性规律，这些规律已被提炼成一种可重用的拉马克训练策略。实验表明，与基线方法相比，该策略显著降低了性能损失，完整框架的性能损失降低了高达 25.07%，轻量级策略的性能损失降低了 19.13%。