跳到正文
热点事件持续更新

Hartmann等提出DAgger蒸馏DiffMPC学生模型方法

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Hartmann和Naghizadeh提出一种方法,以PPO教师策略的骨干网络为基础,将其动作头替换为可强制执行道路边界半平面和智能体椭圆约束的DiffMPC模块,构建带约束的学生模型。随后在教师自博弈仿真器中利用DAgger进行蒸馏。 实验覆盖nuPlan、CARLA及Waymo分布外场景,在9个随机种子下,约束学生策略在nuPlan上与教师表现持平,在CARLA和Waymo分布外场景中表现更优。蒸馏耗时不超过教师训练时间的30%,同时增强了策略的可解释性与安全性。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    通过 DAgger 蒸馏 DiffMPC 学生:从自博弈强化学习到有约束控制

    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。

本事件热度走势

可比范围当前
6
可比范围峰值
811月20日 23:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。