ICDP：交互约束离线强化学习框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Mahmoud Selim 等作者的研究，提出面向自动驾驶的交互约束离线强化学习框架 ICDP（交互约束驾驶策略）。该工作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，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，也无需在反应式模拟器与世界模型中进行 rollout。报道未提及该方法的具体实验数据、适用场景限制或发布时间之外的其他进展。

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。