作者 | 小小螺丝钉 编辑 | 自动驾驶之心 举个例子，怎样才能在考试中取得高分？一个比较有效的方法是刷考试真题，多刷几套总结经验。因此，如果能将开环训练换成闭环训练，模拟实车测试的环 境，我相信是更加有效的训练方式。但是 RL 这种闭环训练方法非常依赖仿真环境是否真实，尤其是自动驾驶这样强交互的任务，仿真环境的真实性更加重要，这 也是很多大厂在朝 world model 上发力的原因之一。那如果我们没有一个高保真的仿真环境，那怎么用 RL 呢，这篇文章给我们提供了一个比较好的思路。 本文的网络结构是沿用了 waymo 之前发的一篇论文 MotionLM，如下图所示，是用自回归的方式进行轨迹输出。简单介绍下自回归，在推理阶段每次输出 ego 和 agent 的一个 action，通过 for 循环，输出完整的轨迹。这样做可以确保因果关系一致。由于网络同时会输出 ego 和 agent 的 action，这样就天然构成了一个 simulation，从某种程度上说，这就是一个简易版的 world model。 原文链接： https://zhuanlan.zhihu.com/p/19813730555079079 ...