RoaD：基于 rollouts 的闭环监督微调自主驾驶策略
机器人学
2025-12-02 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
自主驾驶策略通常通过开环行为克隆的人类演示进行训练。然而，这些策略在闭环部署时会出现协变量漂移，导致误差叠加。我们引入 rollouts 作为演示（RoaD），一种简单且高效的方法，通过利用策略自身的闭环 rollouts 作为额外训练数据来缓解协变量漂移。在生成 rollouts 时，RoaD 融入专家指导以偏向高质量行为，产生具有信息性且真实实验的演示，用于微调。该方法通过远小于强化学习的数据量实现稳健的闭环适应，避免了先前闭环监督微调（CL-SFT）方法的限制性假设，使其能够适用于更广泛的应用领域，包括端到端驾驶。我们在WOSAC（大规模交通仿真基准）上展示了RoaD的有效性，其表现与先前的CL-SFT方法相当或更好；在AlpaSim（基于神经重建的高保真仿真器）中实现端到端驾驶，其中驾驶得分提升41%，碰撞减少54%。
引用
@article{arxiv.2512.01993,
title = {RoaD: Rollouts as Demonstrations for Closed-Loop Supervised Fine-Tuning of Autonomous Driving Policies},
author = {Guillermo Garcia-Cobo and Maximilian Igl and Peter Karkus and Zhejun Zhang and Michael Watson and Yuxiao Chen and Boris Ivanovic and Marco Pavone},
journal= {arXiv preprint arXiv:2512.01993},
year = {2025}
}
备注
Preprint