政策學習

深度分析

R2LPL：卷展檢索終身政策學習提升自駕車安全與適應

自駕車在實際部署會遭遇長尾情境，傳統靠專家示範難以即時修正。研究提出R2LPL框架，透過卷展檢索將可恢復的失誤轉為監督目標，並以終身學習累積校正知識。實驗顯示僅經少量迭代，即可將中等表現的規劃器提升至最新水平，特別在Test14‑hard測試上表現突出。