自动驾驶

Beyond Scalar Rewards: Distributional Reinforcement Learning with Preordered Objectives for Safe and Reliable Autonomous Driving

超越标量奖励：用于安全可靠自动驾驶的预序目标分布强化学习

Ahmed Abouelazm, Jonas Michel, Daniel Bogdoll, Philip Schörner, J. Marius Zöllner

机构 * FZI Research Center for Information Technology（弗劳恩霍夫研究所信息技术研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出预序多目标MDP框架，通过引入量化主导指标提升自动驾驶安全性和可靠性，实验表明其在Carla中表现出更优的性能和更稳健的策略。

Comments First and Second authors contributed equally; Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

Dynasto: Validity-Aware Dynamic-Static Parameter Optimization for Autonomous Driving Testing

Dynasto：面向自动驾驶测试的有效性感知动态-静态参数优化

Dmytro Humeniuk, Mohammad Hamdaqa, Houssem Ben Braiek, Amel Bennaceur, Foutse Khomh

专题命中 仿真评测 ：autonomous driving(title,abstract)

AI总结 Dynasto通过联合优化初始场景参数和动态对抗行为，发现更多真实安全关键故障，揭示自动驾驶系统中的弱点。

Comments 12 pages