自博弈加30分钟人类数据训练驾驶策略

Daphne Cornelisse 等作者提交论文，提出一种用自我对弈结合少量人类演示数据训练类人驾驶策略的方法。作者称，该方法只使用 30 分钟人类演示数据，比同类模仿学习方法少 2500 倍，训练在单块消费级 GPU 上 15 小时完成。 据作者描述，其做法是把人类演示作为正则化目标叠加在最小安全到达奖励之上；训练出的策略能与留出的人类轨迹协调配合。论文附有视频和完整源码。

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。