研究者提出ICDP框架约束离线强化学习驾驶策略

研究者 Mahmoud Selim 等人提出交互约束驾驶策略（ICDP）框架，用于自动驾驶的离线强化学习。该框架针对策略优化可能选中离线数据支持不足动作的问题，将交互分布偏移（IDS）分解为 ego 支持与残差交互支持两部分，并通过对比密度比估计恢复交互兼容性，无需联合密度建模或世界模型推演。 在 nuPlan、InterPlan 及真实卡车实验的闭环评测中，ICDP 抑制了高价值但交互不支持的轨迹选择，提升了交互关键场景下的驾驶表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。