用 DAgger 蒸馏 DiffMPC 学生策略以添加约束
热点事件持续更新
用 DAgger 蒸馏 DiffMPC 学生策略以添加约束
1 篇报道1 个报道来源48 分钟前更新
先了解这件事
AI 综述
Luca M. Hartmann 和 Parinaz Naghizadeh 提出一种方法,在保留 PPO 教师骨干网络的基础上替换动作为带约束的 DiffMPC,并利用 DAgger 算法在自博弈模拟器中蒸馏出学生模型。实验表明,该学生模型在 nuPlan 数据集上性能与教师相当,同时在 CARLA 及分布外 Waymo 场景中表现更优;面对更强教师时,学生在 nuPlan 和 Waymo 上的失败率降低且 CARLA 持平,蒸馏耗时不超过教师训练时间的 30%。
AI 根据报道生成 · 14 分钟前更新
最新进展11月20日 13:00
从自博弈强化学习到受控控制:用 DAgger 蒸馏 DiffMPC 学生模型报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · 机器人与计算机视觉从自博弈强化学习到受控控制:用 DAgger 蒸馏 DiffMPC 学生模型
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%。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。