使用HR-PPO多智能体算法训练和评估自动驾驶系统，实现人类驾驶参考政策偏离的小惩罚。目标是提高实现率、降低离道率和碰撞率，并在与人类驾驶协调度方面取得显著改进。

通过数据正则化的自博弈强化学习实现与人类兼容的驾驶伙伴
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证