CorrectionPlanner：基于强化学习的自纠正规划器用于自动驾驶
机器人学
2026-03-18 v1 人工智能
摘要
自动驾驶需要安全的规划，但大多数基于学习的规划器缺乏明确的自纠正能力：一旦提出不安全的动作，就没有机制对其进行纠正。因此，我们提出了 CorrectionPlanner，这是一种具有自纠正能力的自回归规划器，将规划建模为在提出、评估和纠正循环中进行运动标记的生成。在每一步规划中，策略提出一个动作，即一个运动标记，学习的碰撞批评家预测该动作是否会在短时间范围内导致碰撞。如果批评家预测将导致碰撞，我们保留历史不安全运动标记序列作为自纠正痕迹，生成下一个运动标记时以其为条件，重复此过程，直到提出安全的运动标记或满足安全准则。这个自纠正痕迹由所有不安全运动标记组成，代表了运动标记空间中规划器的纠正过程，类似于语言模型中的推理痕迹。我们使用模仿学习随后采用基于模型的强化学习来训练规划器，利用来自预训练世界模型的 rollout，这些模型真实地建模了代理人的反应行为。封闭环评估表明，CorrectionPlanner 在 Waymax 上的碰撞率降低了超过 20%，并在 nuPlan 上实现了最先进的规划得分。
引用
@article{arxiv.2603.15771,
title = {CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving},
author = {Yihong Guo and Dongqiangzi Ye and Sijia Chen and Anqi Liu and Xianming Liu},
journal= {arXiv preprint arXiv:2603.15771},
year = {2026}
}