跳到正文
arXiv · 机器人与计算机视觉· Luca M. Hartmann, Parinaz Naghizadeh·· 54 分钟前AI 评分66

从自博弈强化学习到受控控制:用 DAgger 蒸馏 DiffMPC 学生模型

From Self-Play RL to Constrained Control: Distilling DiffMPC Students with DAgger

AI 导读

论文提出一种方法,保留 PPO 教师的骨干网络并替换其动作头为带约束的 DiffMPC,利用 DAgger 在教师自博弈模拟器中蒸馏学生模型。实验显示,较小教师的学生模型在 nuPlan 上匹配教师性能,在 CARLA 和分布外 Waymo 场景中表现更优;对于更强教师,学生在 nuPlan 和 Waymo 上失败更少且 CARLA 持平,蒸馏耗时不超过教师训练时间的 30%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org