arXiv · ML· Luca M. Hartmann, Parinaz Naghizadeh·· 16 小时前AI 评分26
通过 DAgger 蒸馏 DiffMPC 学生:从自博弈强化学习到有约束控制
From Self-Play RL to Constrained Control: Distilling DiffMPC Students with DAgger
AI 导读
该方法保留 PPO 教师策略骨干,替换为 DiffMPC 动作头以强制约束,再通过 DAgger 蒸馏。 在 9 个随机种子下,约束学生策略在 nuPlan 上持平教师,在 CARLA 及 Waymo 分布外场景表现更优。 蒸馏耗时不超过教师训练时间的 30%,增强了策略的可解释性与安全性。
来源:arXiv · ML · arxiv.org