跳到主要内容
检索

Jiaqi Wu

1 篇关联报道

订阅更新
  1. arXiv

    冻结的RiskWorld不再靠固定规则挑轨迹:加一个11,725参数排序网络,nuScenes开环平均L2降3.99%

    自动驾驶世界模型能预测候选轨迹的未来,但从中挑一条仍依赖手工阈值和字典序优先级,取舍在训练前就被写死。一种残差引导的强化学习方法在冻结的RiskWorld世界模型和固定候选库之上,用PPO联合训练候选选择与有界轨迹残差,推理时只保留一个11,725参数的排序网络。在nuScenes验证集150个场景的开环评测中,平均L2从RiskWorld官方基线的0.405 m降到0.389 m,相对下降3.99%;在反馈访问与actor更新预算匹配时,残差探索比无残差的分类PPO再降0.83%。

已读完全部报道