arXiv · 机器人与计算机视觉· Jiaqi Wu, Yongqi Dong, Yijie Zhong, Maple Shao, Yide Tao, Linsen Cai, Weize Cai, Hai L. Vu, Alvaro Garcia Hernandez·· 12 小时前AI 评分42
Residual-Guided Lightweight Reinforcement Learning for Risk-Aware Trajectory Selection with a Frozen World Model 提出残差引导强化学习框架,在冻结世界模型下优化轨迹选择策略。
Residual-Guided Lightweight Reinforcement Learning for Risk-Aware Trajectory Selection with a Frozen World Model
AI 导读
该研究针对自动驾驶场景依赖的权衡问题,利用近端策略优化微调联合策略与有界残差,并通过上下文条件排名网络从局部扰动反馈中学习候选偏好。在 nuScenes 验证集的开环评估中,该方法相比 RiskWorld 基线将平均欧氏轨迹误差降低 3.99%,且在去除或打乱风险特征时仍保持更低误差。
来源:arXiv · 机器人与计算机视觉 · arxiv.org