不确定性驱动自博弈多智能体驾驶策略

2026年10月15日，arXiv Robotics 报道，Sajad Marvi 等作者提出一种不确定性驱动的自博弈方案，用于训练鲁棒的多智能体驾驶策略。该方案让一半智能体以提升邻居的认知不确定性为奖励，另一半学习安全驾驶，从而自动生成困难场景课程。报道称，所得策略零样本迁移至 nuplan Val14 达到 99.12%（标准自博弈为 97.97%）、Argoverse 2 达到 82.39%（标准自博弈为 78.03%），无需微调，并在 Waymo 上优于标准自博弈。上述数据与结论均来自该报道，为其单方陈述。

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。