跳到正文
arXiv · ML· Daphne Cornelisse, Julian Hunt, Zixu Zhang, Wa\"el Doulazmi, Kevin Joseph, Jaime Fern\'andez Fisac, Eugene Vinitsky·· 2026-10-14AI 评分33

自博弈与少量人类数据如何让驾驶策略获得类人自主性

Human-like autonomy emerges from self-play and a pinch of human data

AI 导读

提出一种基于自博弈强化学习的驾驶策略训练方法,通过仅使用30分钟人类演示数据作为正则化目标,解决了纯自博弈策略行为异化的问题。 相比模仿学习,该方法所需人类数据减少2500倍,仅需15小时在单张消费级GPU上即可完成训练,生成的策略能与未见人类轨迹协调。

来源:arXiv · ML · arxiv.org