蓋世汽車訊 隨著模仿學習（IL）和大規(guī)模駕駛數(shù)據(jù)集的進步，端到端自動駕駛（E2E-AD）近年來取得了長足的進步。目前，基于模仿學習的方法已成為主流范式：模型依賴于專家提供的標準駕駛行為，并學習如何最小化自身行為與專家行為之間的差異。然而，這種“只像專家一樣駕駛”的目標存在泛化能力有限的問題：當遇到專家示范分布之外的罕見或未曾見過的長尾場景時，由于缺乏先驗經(jīng)驗，模型往往會做出不安全的決策。這就引出了一個根本性的問題：E2E-AD系統(tǒng)能否在沒有任何專家行為監(jiān)督的情況下做出可靠的決策？
據(jù)外媒報道，特倫托大學（University of Trento）和中山大學（Sun Yat-sen University）共同提出了一個名為風險感知世界模型預測控制（Risk-aware World Model Predictive Control，RaWMPC）的統(tǒng)一框架，旨在通過魯棒控制解決這一泛化難題，而無需依賴專家示范。
來源：第一電動網(wǎng)
作者：蓋世汽車
本文地址：http://www.cbbreul.com/news/shichang/290812
以上內(nèi)容轉載自蓋世汽車，目的在于傳播更多信息，如有侵僅請聯(lián)系admin#d1ev.com(#替換成@)刪除，轉載內(nèi)容并不代表第一電動網(wǎng)（www.cbbreul.com）立場。
文中圖片源自互聯(lián)網(wǎng)，如有侵權請聯(lián)系admin#d1ev.com（#替換成@）刪除。
先估價再買車，買的放心開的安心
您的詢價信息
已經(jīng)成功提交我們稍后會聯(lián)系您進行報價!
京公網(wǎng)安備
11010502033163號