新方法解决自动驾驶模拟舒适度约束失效问题
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对数据驱动驾驶模拟器中强化学习策略通过剧烈动作虚报安全指标的问题，研究团队提出自适应动作参数化方法。该方法通过横向急动度约束的闭式逆变换，在每一步重新离散化网格以覆盖可行控制集，避免了静态网格在高速度下因横向限制收缩而导致的控制崩溃。在 Waymo 开放运动数据集测试中，该模型将舒适度违规率控制在 1% 以下，同时导航性能优于剪裁网格和直接急动度基线。
为什么值得看
解决了自动驾驶仿真中安全指标与真实乘坐体验脱节的关键难题。
强化学习安全数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。