自动驾驶

Dynamics Distillation for Efficient and Transferable Control Learning

为高效且可迁移的控制学习设计的动力学蒸馏

Xunjiang Gu, Kashyap Chitta, Mahsa Golchoubian, Vladimir Suplin, Igor Gilitschenski

机构 * University of Toronto（多伦多大学） ； NVIDIA（NVIDIA公司） ； General Motors（通用汽车） ； Vector Institute（向量研究所） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO

AI总结 本文提出Sim2Sim2Sim框架，通过将高保真车辆模拟器动力学蒸馏为可并行学习的动力学模型，实现更高效的策略优化和可靠的迁移。

Comments 9 pages, 3 figures, under review