- 基于编辑马尔可夫过程的感知失败场景生成加速方法
自动驾驶技术中一个关键的挑战是在地下停车场环境中测试和改进感知算法的安全性能,本研究提出了一种针对地下停车场环境加速生成感知失败场景的方法,通过学习背景车辆与自动驾驶车辆之间的相互作用,以增加关键信息密度,优化学习和生成感知失败场景,从而提 - RealGen:基于检索增强生成的可控交通场景
通过检索基增强的情境学习框架 RealGen,在交通场景生成领域中实现的灵活性和可控性,为生成自动驾驶车辆训练和评估的复杂行为启发了新的方向。
- 自动化仓储的多机器人协同和布局设计
本论文研究了如何通过优化仓库布局提高多智能体路径规划算法在自动化仓库中的吞吐量,并通过扩展现有自动生成场景方法来优化仓库布局,从而降低拥堵和提高自动化仓库的可扩展性,该方法能生成具有用户指定多样性指标的布局。
- 辅助模型生成人机交互场景
在人机交互系统中,结合代理模型的场景生成系统可以有效地合成多样而具有挑战性的场景,并且在真实世界的交互中可以重现这些失败情境。
- 基于模型的强化学习用于个性化肝素剂量控制
本论文提出了一种基于模型的方法来优化个性化的肝素剂量,包括一种预测模型和一种基于情景生成的方法,可以确保患者的安全性,并通过数值实验验证了该方法的预测性和治疗效果。
- 语言模型合作性可扩展评估
本文探讨了基于预训练语言模型的 AI 系统在协作问题上的行为,并通过众包和模型生成场景进行评估和测试,最后提供了一组生成场景的数据集和模型评估结果。
- Re$^2$H2O: 基于反向正则化的混合离线和在线强化学习的自动驾驶场景生成
利用反向正则化混合离线 - 在线强化学习模型同时学习真实世界和模拟数据来生成自动驾驶测试场景,实现更高效的 AV 测试和更准确的风险评估。
- CVPR通过学习交通先验生成有用的事故易发驾驶场景
使用基于图的条件 VAE 作为交通流动的学习模型,通过在潜在空间的优化来扰动真实场景,进而产生与给定策划者发生碰撞的轨迹,从而形成贴合实际、挑战性强的场景,并对碰撞类型进行进一步的分析,最终用这些场景来优化基于规则的策略规划者。
- AAAIScenic4RL:强化学习环境的编程建模与生成
使用 SCENIC 形式化场景语言对 Google Research Football 模拟器进行界面生成场景,以便在实时策略环境中训练强化学习代理并测试其概括能力。研究人员可以利用 SCENIC 将其领域知识整合到训练过程中以使其更快和更 - 使用生成对抗网络进行无模型可再生场景生成
本文提出了一种基于生成对抗网络的数据驱动方法用于清洁能源场景生成,结合了时空维度下的可再生能源生产模式,具有高效,实际和可行的特点。