arXiv · cs.AI· Daphne Cornelisse, Julian Hunt, Zixu Zhang, Wa\"el Doulazmi, Kevin Joseph, Jaime Fern\'andez Fisac, Eugene Vinitsky·· 11 小时前
少量人类数据正则化自博弈训练出类人自主驾驶策略
Human-like autonomy emerges from self-play and a pinch of human data
arXiv:2606.19370v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Daphne Cornelisse, Julian Hunt, Zixu Zhang, Wa\"el Doulazmi, Kevin Joseph, Jaime Fern\'andez Fisac, Eugene Vinitsky
期刊信息（来源提供）：10th Conference on Robot Learning (CoRL 2026), Austin TX, USA
研究任务与主要进展
作者提出一种结合自博弈强化学习与少量人类驾驶示范的自动驾驶策略训练方法，将人类数据用于正则化安全目标奖励，缓解纯自博弈策略与人类驾驶习惯不一致的问题。摘要称，该方法仅使用30分钟人类示范，训练数据量比可比模仿学习方法少2500倍，并在单张消费级GPU上完成15小时训练，所得策略可与留出的人类轨迹协调；视频和完整源代码已公开。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org