FlowR2A: Distribución de recompensa a la acción del aprendizaje para la planificación de conducción multimodal
Resumen: La planificación de conducción multimodal enfrenta una tensión de larga data entre dos paradigmas: los métodos basados en puntajes se benefician de una supervisión de recompensa densa pero están confinados a un vocabulario de acción fijo, mientras que los métodos basados en anclas generan propuestas dinámicamente pero sufren de una supervisión escasa restringida a una única trayector
Leer más →