CoIRL-AD：基于潜在世界模型的协作-竞争模仿-强化学习用于自动驾驶
TLDR
该论文围绕“CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving”研究世界模型相关问题。
评分理由
Fallback reasoning generated from available title and abstract metadata: End-to-end autonomous driving models trained with imitation learning (IL) often generalize poorly, particularly in long-tail scenarios where expert demonstrations are sparse. Reinforcement learning (RL) can provide complementary task-level supervision, but applying RL to real-world autonomous driving is challenging...
Read-first 评分解释
综合优先阅读分 52.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：485。
深度分析
创新点
- 在统一离线训练下整合IL和RL的竞争性双策略框架
- 将模仿和奖励优化解耦到不同智能体以缓解目标冲突
- 在潜在世界模型中使用想象的未来轨迹进行长时域奖励估计
- 竞争机制选择性迁移有益行为，同时将RL锚定在类似专家的驾驶上
方法
CoIRL-AD采用竞争性双策略框架，包含用于模仿和奖励优化的独立智能体，在潜在世界模型中运行。它利用想象的未来轨迹进行长时域奖励估计，并通过竞争机制选择性迁移有益行为，同时将RL锚定在类似专家的驾驶上。该模型在nuScenes数据集上离线训练，无需交互式模拟器。
关键结果
在nuScenes基准上的实验表明，CoIRL-AD在鲁棒性上持续优于强IL基线，尤其在跨城市泛化和长尾场景中提升显著。