少人类数据自博弈自动驾驶策略论文更新至v2

Daphne Cornelisse 等作者将 SPICED 自博弈方法论文更新至 arXiv 2606.19370v2：用自博弈强化学习训练自动驾驶策略，人类驾驶示范仅作为最小安全目标奖励之上的正则化目标，以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，在单张消费级GPU上15小时完成训练，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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。