LEARNING
在闭环交通建模中弥合局部观测与全局模拟之间的鸿沟
Ziyan Wang, Tan Xiang, Peng Chen, Xintao Yan
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出CRAFT框架，通过自监督故障发现和偏好引导的测试时对齐，解决自回归交通模拟器在闭环部署中因局部-全局上下文不匹配导致的异常行为问题。该方法将基础模拟器作为全局可观测沙盒，生成多样化反事实推演以暴露上下文引发的故障，并利用人类对齐的驾驶先验转化为偏好监督，训练上下文偏好评估器（CPE）作为插件式对齐模块。
关键词
traffic simulationclosed-loopautoregressive modelcontext mismatchpreference alignment
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018