NOMAD：无需人类示范实现驾驶策略跨城市迁移

Zilin Wang 等作者提出 NOMAD，一种基于地图的自博弈多智能体强化学习方法，仅用目标城市的地图和元信息，就能把驾驶策略适配到道路几何、交通规则和交互模式差异显著的新城市，不需要该城市的任何人类演示轨迹。 该方法在基于目标城市地图构建的模拟器中训练，作者称使用简单奖励函数即显著提升任务成功率和轨迹真实感，为依赖大量数据的城市迁移方法提供了可扩展替代方案。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。