具身智能arXiv cs.LG4 天前
SHRED: Self-Play for Heterogeneous Road-Users without Expert Demonstrations
SHRED 提出一种无需专家演示的异构自博弈框架，联合训练车辆、行人和骑行者，通过类型特定动力学与程序化场景生成让多样化行为在闭环交互中涌现。在 WOSAC 和 InterPlan 基准上超越无演示自博弈基线及部分演示训练方法，证明异构自博弈是可扩展的交通行为学习范式。
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
共 1 条符合条件
SHRED 提出一种无需专家演示的异构自博弈框架，联合训练车辆、行人和骑行者，通过类型特定动力学与程序化场景生成让多样化行为在闭环交互中涌现。在 WOSAC 和 InterPlan 基准上超越无演示自博弈基线及部分演示训练方法，证明异构自博弈是可扩展的交通行为学习范式。