arXiv Artificial Intelligence· Daphne Cornelisse, Julian Hunt, Zixu Zhang, Wa\"el Doulazmi, Kevin Joseph, Jaime Fern\'andez Fisac, Eugene Vinitsky·· 20 小时前AI 评分37
自博弈加一点人类数据，驾驶策略涌现类人自主性
Human-like autonomy emerges from self-play and a pinch of human data
AI 导读
研究提出在最小安全到达奖励之上，将人类驾驶演示作为正则化目标，仅用30分钟人类数据训练驾驶策略，比同类模仿学习方法少2500倍。所得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。
来源：arXiv Artificial Intelligence · arxiv.org