arXiv Artificial Intelligence· Mahmoud Selim, Cristina Cipriani, Karl Henrik Johansson·· 19 小时前AI 评分24
面向自动驾驶的交互约束离线强化学习 ICDP：控制交互分布偏移
Beyond Policy Support: Interaction Constrained Offline Reinforcement Learning for Autonomous Driving
AI 导读
针对离线强化学习在自动驾驶中因分布偏移导致价值估计不可靠的问题，研究者提出交互约束驾驶策略 ICDP，将联合支持度退化分解为 ego 支持度与残差交互支持度两部分，并通过对比密度比估计恢复后者，无需联合密度建模、周围智能体预测或反应式模拟器与世界模型中的 rollout。
来源：arXiv Artificial Intelligence · arxiv.org