指导一个可教的学生

我们提出一种新颖的知识蒸馏框架，用于有效地从享有特权信息的教师智能体监督下教导一个传感运动学生智能体驾驶。当前面向传感运动智能体的蒸馏方法往往导致学生学到次优的驾驶行为，我们假设这是由于两者在输入、建模能力和优化过程上的固有差异所致。我们开发了一种新颖的蒸馏方案，可解决这些局限并缩小传感运动智能体与其享有特权的教师之间的差距。我们的核心思路是设计一个学生，使其学习将输入特征与教师的特权鸟瞰图（BEV）空间对齐。学生因而可从教师对内部表示学习的直接监督中受益。为搭建这一困难的传感运动学习任务，学生模型通过学生节奏的指导机制及各种辅助监督进行优化。我们进一步提出一种高容量的模仿学习特权智能体，其在 CARLA 中超越先前的特权智能体，并确保学生学习安全的驾驶行为。我们提出的传感运动智能体在 CARLA 中形成了一个鲁棒的基于图像的行为克隆智能体，无需 LiDAR、历史观测、模型集成、在线数据聚合或强化学习，驾驶分数较当前模型提升超过 20.6%。