不确定性驱动自博弈提升驾驶策略鲁棒性

Sajad Marvi 等研究者提出一种不确定性驱动的自博弈方案：一半智能体以提高邻居的认知不确定性为奖励，另一半在探索中学习安全驾驶，从而自动生成高难度训练场景，无需人工设计。论文称该方案产出的策略在零样本迁移到 nuplan Val14（99.12% 对 97.97%）和 Argoverse 2（82.39% 对 78.03%）上优于标准自博弈，且在 Waymo 上也有提升。 论文还称，认知不确定性可作为难度检测器：不确定性最高的智能体在碰撞、越界和未完成（DNF）上的合计失败率是最低不确定性智能体的 14.8 倍，从而可在无真值标签的情况下自动优先处理困难场景。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。