神经优化框架复现个性化驾驶路线

韩国研究者 Gyeongjun Kim、Yeseul Kang、Keemin Sohn 发表论文，提出一个从车辆轨迹复现个性化路线的决策聚焦神经优化框架。研究把个体路径复现建模为基于驾驶员特定隐式路段成本的最短路径问题，构建融合感知模型与约束优化层的神经管线，并用决策聚焦学习实现端到端训练。 针对约束优化层不可微的问题，该方法采用隐式最大似然估计近似处理，并引入正则项将隐式成本分布锚定到实际路段行程时间尺度。论文称实验显示该框架在路径复现上优于基线路径选择模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。