Data-efficient Deep Reinforcement Learning for Vehicle Trajectory Control
专题命中 自动驾驶 :model-based RL(abstract);分类 cs.LG、cs.RO
视觉与机器人
面向环境建模、时序预测、仿真规划、具身智能和自动驾驶的世界模型方法与应用。
专题命中 自动驾驶 :model-based RL(abstract);分类 cs.LG、cs.RO
专题命中 自动驾驶 :分类 cs.AI、cs.LG、cs.CV;simulation model(abstract)
Comments 6 pages, 4 figures
专题命中 自动驾驶 :model-based reinforcement learning(abstract);分类 cs.LG、cs.RO
专题命中 自动驾驶 :model-based reinforcement learning(abstract);分类 cs.LG、cs.RO
Comments 10 pages, 6 figures, 1 table
从采样中学习:一种R1风格的分词交通仿真模型
机构 * State Key Laboratory of Intelligent Transportation System, Key Laboratory of Autonomous Transportation Technology for Special Vehicles, Ministry of Industry and Information Technology, School of Transportation Science and Engineering, Beihang University(北京航空航天大学交通科学与工程学院,智能交通系统国家重点实验室,特种车辆自主运输技术重点实验室(工业和信息化部)) ; State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所,多模态人工智能系统国家重点实验室)
专题命中 自动驾驶 :simulation model(title);分类 cs.AI、cs.RO
AI总结 本文提出R1Sim模型,通过分词交通仿真结合熵引导采样和GRPO优化,实现探索与利用的平衡,生成真实安全的多智能体行为。
TerraZero:用于大规模零演示自博弈的过程式驾驶模拟
机构 * Applied Intuition(应用直觉)
专题命中 自动驾驶 :分类 cs.AI、cs.LG、cs.RO;dynamics model(abstract)
AI总结 研究旨在训练强大自动驾驶智能体,提出TerraZero过程式驾驶模拟器和自博弈训练堆栈,其速度快、逼真且多样。通过特定方式填充地图生成无限场景,智能体仅靠强化学习训练,能零样本泛化,在多个基准测试中表现出色。
Comments Technical Report from Applied Intuition Research
专家知识驱动的强化学习用于自动驾驶赛车:通过轨迹引导和动力学约束
机构 * College of Automotive and Energy Engineering, Tongji University(同济大学汽车与能源工程学院) ; School of Mechanical and Aerospace Engineering, Nanyang Technological University(南洋理工大学机械与航空航天工程学院)
专题命中 自动驾驶 :environment model(abstract);分类 cs.RO
AI总结 本文提出TraD-RL方法,通过轨迹引导和动力学约束强化学习,提升自动驾驶赛车的性能与安全性。
基于历史强化学习和潜在模型自适应的闭环CO2封存控制
专题命中 自动驾驶 :latent dynamics(abstract);分类 cs.LG
AI总结 提出一种闭环CO2封存控制框架,结合历史条件策略和潜在模型自适应,仅利用井口观测数据实现接近特权状态性能,并在异常工况下优于直接无模型重调。
递归预测中的曝光偏差作为认知欠识别问题
机构 * University of Bristol(布里斯托大学)
专题命中 自动驾驶 :latent dynamics(abstract);分类 cs.LG
AI总结 本文证明递归多步预测中的曝光偏差不仅是分布偏移,更是部分可观测性下的认知欠识别问题,并提出基于来源变量的误差分解与校正方法。
Comments Accepted for ICML 2026 EIML workshop
表示未知 - 不确定性对决策制定与轨迹生成交互的影响
机构 * Institute of Control Engineering(控制工程研究所)
专题命中 自动驾驶 :environment model(abstract);分类 cs.RO
AI总结 本文探讨了不确定性对自动驾驶车辆运动规划问题参数和环境模型要求的影响,强调了决策制定与轨迹生成之间明确接口的重要性。
生成模型与连接与自动化车辆:探索交通与人工智能交汇点的综述
机构 * School of Engineering Science(工程科学学院) ; Shandong Xiehe University(山东谢河大学) ; Department of Electrical Engineering(电气工程系) ; Northwestern University(西北大学) ; Department of Computer Science(计算机科学系) ; Pace University(帕克大学)
专题命中 自动驾驶 :分类 cs.AI、cs.LG、cs.RO;predictive model(abstract)
AI总结 本文综述了生成模型与连接自动化车辆在交通与AI交汇领域的应用,探讨其在预测建模、模拟精度和自动驾驶决策中的提升作用及面临的挑战。
FlowAD: 无人驾驶中的自体场景交互建模
机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University(上海交通大学人工智能学院AutoLab) ; Baidu Inc(百度公司)
专题命中 自动驾驶 :environment model(abstract);分类 cs.CV
AI总结 本文提出FlowAD框架,通过自体场景交互建模提升自动驾驶性能,利用场景流建模动态变化,结合新颖的FCP指标评估场景理解能力,实验表明其在碰撞率和驾驶评分上均优于现有方法。
专题命中 自动驾驶 :model-based RL(abstract);分类 cs.RO
机构 * Massachusetts Institute of Technology(麻省理工学院) ; Vanderbilt University(范德比大学) ; NVIDIA Corporation(NVIDIA公司)
专题命中 自动驾驶 :分类 cs.AI、cs.RO、cs.MA;simulation model(abstract)
专题命中 自动驾驶 :environment model(abstract);分类 cs.RO
专题命中 自动驾驶 :分类 cs.LG、cs.CV、cs.RO;simulation model(abstract)
专题命中 自动驾驶 :分类 cs.AI、cs.CV、cs.RO;dynamics model(abstract)
专题命中 自动驾驶 :分类 cs.AI、cs.LG、cs.RO;simulation model(abstract)
Comments 9 pages, 4 figures
专题命中 自动驾驶 :分类 cs.AI、cs.LG、cs.RO;dynamics model(abstract)
专题命中 自动驾驶 :分类 cs.LG、cs.CV、cs.RO;dynamics model(abstract)
Comments This paper has been accepted to the Conference on Robot Learning (CoRL 2020)