自博弈加少量人类数据训练驾驶策略

Daphne Cornelisse 等作者发表论文，提出一种将人类驾驶演示作为正则化目标、叠加在最小安全到达奖励之上的驾驶策略训练方法。据作者称，该方法仅用 30 分钟人类演示数据，比同类模仿学习方法少 2500 倍，训练出的策略能与留出的人类轨迹协调配合，并在单块消费级 GPU 上 15 小时完成训练。 该工作被 CoRL 2026 接收，视频与完整源代码已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。