摘要
针对自动驾驶策略在长尾场景中缺乏显式纠错机制的问题，本文提出 Rollout-Retrieval 终身策略学习框架（R²LPL）。该方法从可恢复的策略诱导错误中检索修正目标，并通过终身学习保留知识，将稀疏失败证据转化为紧凑监督知识。在 nuPlan 基准测试中，R²LPL 仅需少量迭代即可将中等性能规划器提升至最先进水平，证明了其将错误转化为持续改进能力的有效性。
AI 推荐理由
论文核心研究智能体如何从自身错误中学习并持续改进策略，完美契合自我进化定义。
研究机构
中国科学院自动化研究所
新加坡国立大学机械工程学院
论文信息