基于世界模型的驾驶学习方法
计算机视觉与模式识别
2025-04-29 v1 机器人学
摘要
大多数自动驾驶系统依赖手工编写的感知输出与工程化驾驶规则。直接从人类驾驶数据进行端到端学习可实现更简洁的训练架构，并随计算资源与数据规模而扩展。本文提出一种端到端训练架构，利用真实驾驶数据在策略模拟器中训练驾驶策略。我们展示了两种仿真方法：一种基于重投影仿真，另一种基于学习的世界模型。两种方法均可用于训练无需任何手工编写驾驶规则的策略。我们在封闭环仿真中评估了这些策略的性能，并在实际的高级车辆辅助系统中进行部署测试。
引用
@article{arxiv.2504.19077,
title = {Learning to Drive from a World Model},
author = {Mitchell Goff and Greg Hogan and George Hotz and Armand du Parc Locmaria and Kacper Raczy and Harald Schäfer and Adeeb Shihadeh and Weixing Zhang and Yassine Yousfi},
journal= {arXiv preprint arXiv:2504.19077},
year = {2025}
}