首次（全）解锁CARLA V2! 上交大RethinkLab提出隐世界模型下的强化学习自动驾驶模型Think2Drive

AIGC动态欢迎阅读

原标题：首次（全）解锁CARLA V2! 上交大RethinkLab提出隐世界模型下的强化学习自动驾驶模型Think2Drive
关键字：模型,世界,场景,论文,上海交通大学
文章来源：智猩猩AGI
内容字数：0字

内容摘要：

「自动驾驶新青年讲座」由智猩猩企划，致力于邀请全球知名高校、顶尖研究机构以及优秀企业的新青年，主讲在环境感知、精准定位、决策规划、控制执行等自动驾驶关键技术上的最新研究成果和开发实践。从高速到城区，自动驾驶汽车正面临着更复杂的路况，强交互的长尾场景不计其数。而直接在城区进行测试存在极高的成本与风险。因此，在仿真测试基准上进行针对长尾场景的规控能力评测成为了业界的共同选择。但基于学习方法中的模仿学习方案高度依赖于对所有可能出现情况的全覆盖，强化学习方案又需要在仿真中进行大规模的试错探索学习规控策略，其低效性难以应对多达几十种的长尾场景。
针对当前技术难题，上海交通大学严骏驰老师领导的ReThinkLab提出了一种基于隐世界模型下的高效强化学习自动驾驶模型Think2Drive，并成为首个完成CARLA V2全部长尾场景的模型，实现100%的路线完成率。与Think2Drive相关的论文收录于ECCV 2024上。Think2Drive通过训练世界模型建模自动驾驶环境的变化规律，并在隐特征空间中进行下游规控网络的策略探索。该模型有以下特点：1）隐世界模型可以进行快速状态推理，具备极高的数据

原文链接：首次（全）解锁CARLA V2! 上交大RethinkLab提出隐世界模型下的强化学习自动驾驶模型Think2Drive