自动驾驶

From Conflicts to Collisions: A Two-Stage Collision Scenario-Testing Approach for Autonomous Driving Systems

从冲突到碰撞：一种两阶段碰撞场景测试方法用于自动驾驶系统

Siyuan Chen, Fuyuan Zhang, Hua Qi, Lei Ma, Tomoyuki Tsuchiya, Michio Hayashi, Manabu Okada

机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学） ； Kyushu University（九州大学） ； University of Alberta（阿尔伯塔大学） ； TIER IV ； TIER IV North America（TIER IV北美） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 本文提出一种两阶段碰撞场景测试方法，通过搜索冲突并突变以诱导碰撞，提升自动驾驶系统安全评估的效率和效果。

Learning to Drive in New Cities Without Human Demonstrations

在没有人类示范的情况下学习新城市的驾驶

Zilin Wang, Saeed Rahmani, Daphne Cornelisse, Bidipta Sarkar, Alexander David Goldie, Jakob Nicolaus Foerster, Shimon Whiteson

机构 * WhiRL, University of Oxford（WhiRL，牛津大学） ； FLAIR, University of Oxford（FLAIR，牛津大学） ； Delft University of Technology（代尔夫特理工大学） ； NYU Tandon School of Engineering（纽约大学工程学院） 纠错

专题命中 仿真评测 ：autonomous driving(abstract,comments)；分类 cs.RO

AI总结 NOMAD通过自play多智能体强化学习，在无需人类示范的情况下，利用地图和元信息实现自动驾驶策略在不同城市间的适应与优化。

Comments Autonomous Driving, Reinforcement Learning, Self-play, Simulation, Transfer Learning, Data-efficient Adaptation. Project Page: https://nomaddrive.github.io/