跳到主要内容
返回时间线
arXiv来源发表:

接管数据不再照抄:把人类纠正提前,闭环成功率从70.87%升到81.60%

核心概要

真实车队里的接管记录并不完美:驾驶员可能介入太晚,也可能本不必介入,直接模仿会把迟到的反应或多余的纠正学进模型。一种离线后训练方法把记录到的人类纠正按不同时间偏移提前,并扰动已部署模型的多模态规划,生成候选轨迹,再用场景条件评分器结合专家轨迹匹配与接管日志中的非成对偏好信号排序。在4D高斯泼溅重建的596个真实挑战场景闭环测试中,该方法总体成功率为81.60%,高于已部署模型的70.87%和直接模仿学习的75.30%。

Source-provided article image: Improving While Deployed: Learning Proactive End-to-End Driving from Imperfect Human Takeover Data
arXiv

深度剖析

已部署的端到端驾驶模型可以只靠车队已有的接管日志做离线更新,而不必把驾驶员的操作原样当作正确答案。 直接模仿接管轨迹会把迟到的纠正或本不必要的介入一并学进去,轨迹后优化则依赖预先设定的代价与约束。 在由真实接管日志经4D高斯泼溅重建的闭环基准上,该方法总体成功率为81.60%,已部署模型为70.87%,直接模仿学习为75.30%。

做法是先把人类纠正往前挪,再让一个评分器在候选轨迹里挑出更早、更主动的应对。 候选集由已部署模型的多模态规划及其随机扰动、记录轨迹,以及按0.5至2.5秒、每0.5秒一档提前的人类纠正共同组成。 评分器以鸟瞰图特征为条件,用交叉熵匹配专家轨迹,并用接管日志中的非成对偏好信号压低易触发接管的轨迹得分。

只有评分明显更高的候选才会替换接管前6秒窗口内的训练目标,其余场景保留原目标。 替换要求候选得分比记录轨迹高出0.1以上,且只改动规划头与选择头,推理架构不变。 消融中,去掉时间窗口与分数间隔约束、替换率达77.87%的版本成功率为79.36%,低于选择性替换34.39%的81.39%。

启示与展望

评估限于由真实接管日志经4D高斯泼溅重建的闭环仿真基准,共596个挑战场景,覆盖切入、会车、绕行、路口与无保护左转五类;所有方法在同一批587个有效用例上比较。

作者把扩展到整个端到端模型和引入场景生成以覆盖极罕见长尾情形列为后续工作,说明当前后训练只微调规划头与选择头,且未覆盖这些情形。