通过非对称自博弈学习驾驶

大规模数据对于学习逼真且能力强大的驾驶策略至关重要。然而，仅依赖真实数据扩展数据集可能不切实际。大部分驾驶数据是平淡无奇的，而刻意收集新的长尾场景既昂贵又不安全。我们提出非对称自博弈，通过额外的具有挑战性、可解且逼真的合成场景来超越真实数据。我们的方法配对了一个教师，该教师学习生成它能解决但学生不能解决的场景，以及一个学习解决这些场景的学生。当应用于交通仿真时，我们学习到的策略在名义场景和长尾场景中碰撞次数显著减少。我们的策略进一步零样本迁移，为端到端自主性生成训练数据，显著优于最先进的对抗方法或仅使用真实数据。更多信息，请访问 https://waabi.ai/selfplay。