CLOVER: Closed-Loop Value Estimation \& Ranking for End-to-End Autonomous Driving Planning
CLOVER 是一个闭环价值估计与排序框架，它通过采用结合伪专家轨迹与保守自蒸馏的生成器 - 评分器架构，解决了端到端自动驾驶中训练与评估不匹配的问题，从而在 NAVSIM 基准测试中实现了最先进的性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在教一个机器人开车。长期以来，教导这个机器人的标准方法是给它看一段人类完美驾驶的视频，然后说：“完全照此复制。”
问题出在哪里？有时，机器人会过于字面地模仿人类。如果人类犯了一个微小的错误或做了一个奇怪的举动，机器人可能会复制这个错误，即使这样做很危险。反之，有时机器人本可以找到一种更好的驾驶方式（例如，稍微变换车道以避开一辆慢速卡车），但由于那条路径并未出现在它看到的单一视频中，它从未想过尝试。
这就是论文中描述的“训练与测试”不匹配问题。机器人被训练去模仿单一路径，但它在测试时却要面对一套复杂的安全、舒适和进度规则清单。
CLOVER 登场：机器人驾驶教练
作者提出了一种名为CLOVER（闭环价值评估与排序）的新系统。不要把 CLOVER 想象成一个单一的学生，而应将其视为一所拥有两个不同角色的驾驶学校：生成器（学生驾驶员）和评分器（严格的驾驶教练）。
以下是其工作原理，使用简单的类比说明：
1. 旧方法 vs. CLOVER 方法
- 旧方法：学生驾驶员只被允许练习教练昨天驾驶的那一条路线。如果教练转了一个急弯，学生也必须转那个急弯，即使存在一条更直、更安全的路线。
- CLOVER 方法：鼓励学生驾驶员为每种情况生成64 条不同的可能路线。也许其中一条很快，一条超级安全，一条非常平稳，还有一条有点冒险。
2. 两阶段训练过程
第一阶段：构建创意的“安全网”
系统不再仅仅复制一条路径，而是创建一个**“伪专家”库**。
- 类比：想象教练不只是展示一段视频，而是生成一堆“如果……会怎样”的情景：“如果我们慢 5 英里/小时行驶会怎样？”“如果我们向左偏移 2 英尺会怎样？”“如果我们提前刹车会怎样？”
- 系统使用一本严格的规则手册（评估器）来筛选这些情景。它保留那些安全且合法的情景，即使它们并非人类所走的精确路径。
- 学生驾驶员（生成器）随后被训练去覆盖所有这些不同的“安全”可能性，而不仅仅是原始的那一条路径。这确保了机器人拥有一个广泛的良好选项菜单供其选择。
第二阶段：“闭环”辅导
现在学生拥有了广泛的选项菜单，他们需要学习如何挑选最佳的那一个。
- 类比：学生生成 64 条路线。严格的教练（评分器）审视这些路线，并根据现实世界的规则手册（安全、舒适、速度）给出评分。
- 转折：教练并非完美无缺。有时他们可能会给出略微错误的评分。因此，CLOVER 使用一位“导师”（系统的冻结版本）来指导学生。导师说：“不要盲目追逐最高分；看看排名前 10 的最佳路线，以及那些在平衡安全与速度方面表现最佳的路线。”
- 学生随后优化其驾驶表现，以匹配这些“顶级”示例，同时不丧失生成多样化选项的能力。这就像教练说：“你在寻找好路线方面越来越擅长，现在让我们打磨你的选择技能，但不要让你变得僵化。”
3. 为何有效（“魔法”条件）
论文提出了一个明智的问题：如果教练（评分器）犯错怎么办？
作者从数学上证明，只要教练在统计上优于随机猜测——即他们通常能区分“好”路线和“坏”路线——该系统就会进步。它不需要一个完美的教练；只需要一个足以将学生引向正确方向的教练即可。
结果
当他们在NAVSIM驾驶基准测试（相当于自动驾驶汽车的“期末考试”）上测试 CLOVER 时：
- 它取得了94.5分（满分 100），超越了所有先前的方法。
- 它在处理困难、棘手的驾驶场景（NavHard）方面表现尤为出色，达到了有史以来报告的最佳结果。
- 关键的是，它不仅仅在挑选唯一最佳路线方面变得更好；它实际上在最初生成更广泛的高质量路线方面也变得更好了。
总结
CLOVER 就像是将驾驶学生从“完全复制教练的动作”升级为“生成多种安全的可能性，然后利用一位聪明的教练帮助你挑选绝对最佳的那一个”。它通过教导机器人探索多种良好选项并仔细对其进行排序，解决了机器人过于僵化的问题，从而实现了更安全、更像人类的自动驾驶。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。