首次（全）解鎖CARLA V2! 上交大RethinkLab提出隱世界模型下的強化學習自動駕駛模型Think2Drive

AIGC動態歡迎閱讀

原標題：首次（全）解鎖CARLA V2! 上交大RethinkLab提出隱世界模型下的強化學習自動駕駛模型Think2Drive
關鍵字：模型,世界,場景,論文,上海交通大學
文章來源：智猩猩AGI
內容字數：0字

內容摘要：

「自動駕駛新青年講座」由智猩猩企劃，致力于邀請全球知名高校、頂尖研究機構以及優秀企業的新青年，主講在環境感知、精準定位、決策規劃、控制執行等自動駕駛關鍵技術上的最新研究成果和開發實踐。從高速到城區，自動駕駛汽車正面臨著更復雜的路況，強交互的長尾場景不計其數。而直接在城區進行測試存在極高的成本與風險。因此，在仿真測試基準上進行針對長尾場景的規控能力評測成為了業界的共同選擇。但基于學習方法中的模仿學習方案高度依賴于對所有可能出現情況的全覆蓋，強化學習方案又需要在仿真中進行大規模的試錯探索學習規控策略，其低效性難以應對多達幾十種的長尾場景。
針對當前技術難題，上海交通大學嚴駿馳老師領導的ReThinkLab提出了一種基于隱世界模型下的高效強化學習自動駕駛模型Think2Drive，并成為首個完成CARLA V2全部長尾場景的模型，實現100%的路線完成率。與Think2Drive相關的論文收錄于ECCV 2024上。Think2Drive通過訓練世界模型建模自動駕駛環境的變化規律，并在隱特征空間中進行下游規控網絡的策略探索。該模型有以下特點：1）隱世界模型可以進行快速狀態推理，具備極高的數據

原文鏈接：首次（全）解鎖CARLA V2! 上交大RethinkLab提出隱世界模型下的強化學習自動駕駛模型Think2Drive