实体
Nikolai Smolyanskiy
Nikolai Smolyanskiy
PulseAugur coverage of Nikolai Smolyanskiy — every cluster mentioning Nikolai Smolyanskiy across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新方法使用生成世界模型改进自动驾驶模仿学习
研究人员开发了一种新颖的方法，使用潜在空间生成世界模型来解决自动驾驶模仿学习中的协变量偏移问题。该方法采用基于Transformer的感知编码器，具有多视图交叉注意力和学习到的场景查询。所提出的策略通过与人类演示状态对齐来有效减轻协变量偏移，从而实现错误恢复并处理超出训练分布的扰动。在CARLA模拟器和NVIDIA的DRIVE Sim中的评估表明，与现有的最先进方法相比有了显著改进。
-
新的CROF方法改进了潜能世界模型的检查点选择
研究人员开发了一种从潜能世界模型训练运行中选择最佳检查点的新方法，这对于优化基于模型的强化学习和模型预测控制至关重要。所提出的方法称为复合奖励可观测性分数（CROF），它使用源自最优控制理论的结构化验证时诊断。在Gymnasium的LunarLander v3上的测试中，CROF在预测闭环性能方面优于验证损失和RMSE等传统指标。所选的世界模型在用于训练A2C策略时，取得了比无模型基线显著更好的结果，同时所需的交互环境次数也大大减少。