从模仿到探索：基于世界模型的端到端自动驾驶

arXiv 25.4 2025 71 method, application

TLDR

提出RAMBLE，一种基于世界模型的端到端强化学习方法，融合模仿学习与强化学习。

评分理由

The paper presents a novel integration of IL and RL via a world model, achieving strong simulation results. However, it lacks real-world validation and provides limited architectural details.

Read-first 评分解释

综合优先阅读分 71，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 42。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、数据集、GitHub

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集、指标

主题相关性 42%

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：199。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

interactive world model

generative world model

world simulator

video world model

深度分析

创新点

结合模仿学习和强化学习，采用训练方案：使用IL初始化策略网络，并利用KL损失和软更新机制使模型从IL平滑过渡到RL
非对称变分自编码器，用于从RGB图像和LiDAR数据中提取环境上下文
基于Transformer的架构，用于捕捉交通参与者的动态变化
基于世界模型的端到端强化学习方法用于驾驶决策

方法

RAMBLE使用非对称变分自编码器从RGB图像和LiDAR数据中提取环境上下文，然后基于Transformer的架构捕捉交通参与者的动态变化。演员-评论家强化学习算法基于当前状态和动态的潜在特征推导驾驶策略。策略网络使用模仿学习初始化，并采用KL损失和软更新机制使模型从IL平滑过渡到RL。

关键结果

RAMBLE在CARLA Leaderboard 1.0上实现了路线完成率的最先进性能，并在CARLA Leaderboard 2.0上完成了所有38个场景。

局限性

该方法仅在CARLA模拟器中进行评估，未在真实驾驶场景中验证其性能
由于使用了变分自编码器、Transformer和演员-评论家组件，可能存在计算复杂度较高的问题

资源

论文代码