不确定性驱动自博弈提升多智能体驾驶策略零样本迁移

Sajad Marvi 等（arXiv 论文作者）提出一种不确定性驱动的多智能体自博弈训练方案：一半智能体以增加邻居认知不确定性获得奖励、持续探索对方策略弱点，另一半则学会安全驾驶。由此无需手工设计场景即可生成困难训练课程。 作者称，所得策略在零样本迁移上优于标准自博弈：nuPlan Val14 上为 99.12% 对 97.97%，Argoverse 2 上为 82.39% 对 78.03%，均无需微调；另称其行为多样性驱动方法比基线的 LSTM 隐状态覆盖率高 85%。作者还称在 Waymo 上取得更高性能。以上数字均来自论文作者声称，属研究阶段结果，尚未见独立验证。

AI 根据报道生成 · 1 天前更新