通过强化学习微调提升自动驾驶智能体行为

自动驾驶研究中的一个关键挑战是建模智能体行为，这对于构建真实可靠的离线仿真以及预测交通智能体运动以进行在线规划等应用至关重要。虽然监督学习在建模智能体方面已显示出成功，但这些模型在测试时部署可能会因分布偏移而表现不佳。在这项工作中，我们通过闭环强化学习微调行为模型来提高智能体行为的可靠性。我们的方法在 Waymo Open Sim Agents 挑战赛中展示了整体性能的提升，以及在碰撞率等特定指标上的改进。此外，我们提出了一个新的策略评估基准，用于直接评估模拟智能体衡量自动驾驶车辆规划质量的能力，并验证了我们的方法在该基准上的有效性。