基于BEV的少样本行为克隆自动驾驶研究

2026年10月15日，arXiv Robotics 发布一项研究，在 CARLA 仿真器中利用鸟瞰图（BEV）输入训练 CNN，输出转向与加速度，实现少样本行为克隆自动驾驶。研究通过核密度估计按动作密度调整训练样本权重，以改善红灯停车、绿灯起步等稀有动作的学习。结果显示，加权行为克隆在路线完成率上显著优于标准行为克隆，在训练中未遇到的测试环境中尤为关键。该论文为 BRACIS 2024（第34届巴西智能系统会议，巴西贝伦，2024年11月17-21日）录用稿的作者版本。目前报道未提及早先报道或存在矛盾之处。

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。