TerraTransfer++：无需演示的端到端规划器

自博弈蒸馏让端到端驾驶无需人工演示即可训练。

资讯摘要

论文提出 TerraTransfer++，用向量化模拟器中的自博弈预训练单一策略，再将其 rollout 蒸馏为 flow-matching 轨迹教师，并在冻结视觉骨干上训练轻量适配器，使端到端学生模型无需人工驾驶演示即可对齐。作者报告：闭环策略在 HUGSim 上优于已发表的模仿学习端到端方法；规划器在 NAVSIM navhard 达 59.4 EPDMS，超过 DriveZero-Scale 的 57.1，navtest 达 95.5 PDMS。

要点速读

1. 方法以自博弈策略为唯一监督来源，训练只需（图像、场景状态）配对数据，不需要专家演示。
2. 蒸馏使用动作 KL 散度、批关系低秩结构损失和轨迹匹配损失。
3. 作者报告在 HUGSim 闭环基准上超过已发表模仿学习端到端方法，NAVSIM navhard 为 59.4 EPDMS、navtest 为 95.5 PDMS。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。