交错投影梯度下降用于安全模仿学习

研究者 Shengfan Cao 与 Francesco Borrelli 提出一种面向状态与输入约束下神经网络控制策略的模仿学习方案：训练时在标准模仿梯度步之间交替执行 k 步安全步骤，将网络动作拉向其安全集投影，运行时仅使用训练好的网络，无需安全滤波器。 在非线性自动驾驶赛车任务中，该方法将违规回合占比从 15% 降至 1%，约为最优权重惩罚方法违规率的六分之一，圈速与无约束模仿相当，代价是额外训练计算量。

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。