返回文章列表

自动驾驶数据并非越多越好:PAD尝试按策略价值筛选示范

阅读约 2 分钟

端到端自动驾驶常通过增加训练示范来提升能力,但数据规模扩大并不必然带来策略进步。同一段驾驶记录可能对一个规划器有帮助,对另一个规划器却重复甚至有害。论文提出的 Policy-Aware Data Valuation(PAD),试图把数据筛选的判断标准从“样本看起来是否有价值”,转向“它是否能改善指定的驾驶策略”。

核心要点

  • 价值针对具体策略。 PAD为每条候选示范评估其对目标策略的效用,因此数据排序可能随规划器改变。作者的跨规划器分析显示,同一候选数据池在不同规划器家族中会形成明显不同的排名。
  • 结合反馈与训练信号。 方法将场景级校准反馈、投影后的策略梯度,以及对局部训练几何的正则化近似结合起来,生成基于影响的价值估计。换言之,它试图估算某条示范如何影响目标策略,而不是只看场景属性或训练过程中的间接指标。
  • 用移除实验检验方向。 作者通过受控的分组移除研究,检查估值是否能反映数据对策略影响的方向。摘要称该实验支持其方向判断的可靠性,但没有提供具体误差、数据规模或完整实验设定。
  • 报告了多组规划器结果。 在 DiffusionDrive 上,PAD相较于仅使用真实数据训练,在 NavTest 的 EPDMS 提高 3.5 点、在 NavHard 提高 5.0 点。论文还称,针对策略筛选数据的训练,在扩散、回归和流匹配规划器上均优于仅用真实数据及使用完整候选池,并显著减少场景级退化。

意义与仍待回答的问题

PAD强调,自动驾驶数据的价值不是固定属性,而与学习它的策略有关。这一视角为“继续扩大数据池”提供了替代思路:先判断哪些示范更可能改善目标规划器,再有针对性地用于训练。若估值能以可承受的成本扩展,数据整理就有机会从通用筛选走向面向模型的筛选。

不过,摘要没有交代估值计算的具体成本、候选数据组成、筛选比例,也未给出完整数值表。因此,现有信息足以说明方法思路和报告的实验方向,却不足以判断它在不同数据规模、部署条件或安全指标上的实际收益。尤其是场景级回归减少,并不等同于所有风险都已解决;后续仍需更完整的实验细节与独立验证。

来源:Hugging Face Daily Papers

评论

正在确认登录状态……

正在加载评论……

相关文章