DriveMLP：在自动驾驶中训练策略比模型复杂度更重要
研究提出专家引导强化学习（EGRL）训练策略：将强化学习仅作为优化工具，用基于专家日志数据的轨迹距离奖励引导闭环模仿学习。受控实验显示，性能提升的很大一部分来自训练过程而非模型规模与复杂度。据此构建的轻量级 MLP 策略 DriveMLP 在 nuPlan Val14 Reactive 基准上得分 86.51，较此前最佳模仿学习规划器 Flow Planner 提升 3.2 分，推理速度提升超过 15 倍，代码已在 GitHub 开源。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《DriveMLP: When Training Strategy Outperforms Model Complexity in Autonomous Driving》查看原链
arXiv:2610.29676v1 公告类型：交叉 摘要：学习在闭环执行下仍保持可靠的运动规划策略是自动驾驶（AD）的核心挑战。 模仿学习（IL）能很好地扩展到大型自动驾驶数据集，但在闭环执行下会遭受分布偏移、因果混淆和误差累积的困扰。 相比之下，强化学习（RL）通常需要手工设计的基于规则的奖励和大量仿真。
我们研究了一个简单的闭环 IL 框架，该框架将 RL 纯粹用作优化工具，并由从记录的专家数据中导出的轨迹距离奖励来引导。 我们将这种训练策略称为专家引导 RL（EGRL）。 通过一项受控的实证研究，我们发现有证据表明，训练过程而非模型大小和复杂度，构成了性能提升的很大一部分。
随后我们引入了 DriveMLP，一个用 EGRL 训练的轻量级 MLP 策略，作为这些发现的简单实例化。 它在 nuPlan Val14 Reactive 基准上取得了 86.51 的分数，比之前最好的 IL 规划器（Flow Planner）提升了 3.2 分，推理速度提升超过 15 倍。
代码可在以下地址获取：https://github.com/alessandro-canevaro/DriveMLP