精选理由
这篇论文教你用 R^2LPL 让自动驾驶策略从自己的错误里学，在 nuPlan 上跑分直接刷到 SOTA。
这篇论文提出 Rollout-Retrieval Lifelong Policy Learning（R^2LPL）框架，让预训练的自动驾驶策略能从自身闭环错误中持续学习。R^2LPL 通过回滚可恢复的错误状态并检索可行修正目标，将稀疏的失败证据转化为紧凑的监督信号。在大型闭环 nuPlan 基准上，经过少量轮次的 rollout 和终身学习迭代，R^2LPL 将中等初始性能的学习型规划器提升至 SOTA 水平，尤其在具有挑战性的 Test14-hard 分集上表现突出。该方法证明了将可恢复闭环错误转化为修正知识用于持续策略改进的有效性。
AI 翻译 · 中文
这篇论文提出 Rollout-Retrieval Lifelong Policy Learning（R^2LPL）框架，让预训练的自动驾驶策略能从自身闭环错误中持续学习。R^2LPL 通过回滚可恢复的错误状态并检索可行修正目标，将稀疏的失败证据转化为紧凑的监督信号。在大型闭环 nuPlan 基准上，经过少量轮次的 rollout 和终身学习迭代，R^2LPL 将中等初始性能的学习型规划器提升至 SOTA 水平，尤其在具有挑战性的 Test14-hard 分集上表现突出。该方法证明了将可恢复闭环错误转化为修正知识用于持续策略改进的有效性。
Autonomous driving policies should be able to improve continually as deployment exposes them to increasingly diverse and long-tail traffic situations. However, most learning-based policies are trained or fine-tuned on ex…