离散对比学习在自动驾驶扩散策略中的应用

本研究解决了从数据中精确模拟人类驾驶行为的挑战，特别是人类驾驶风格的多样性和变异性。我们提出了一种新的方法，通过对比学习从已有的人类驾驶数据中提取驾驶风格字典，并利用量化对这些风格进行离散化，从而学习条件扩散策略进行人类驾驶模拟。实证评估显示，我们的方法生成的行为比基于机器学习的基线方法更安全、更接近人类驾驶，具有提升自动驾驶车辆性能评估与改进的潜力。