谷歌大脑和Waymo团队近日发表了论文：ChauffeurNet: Learning to Drive by Imitating the Best and Synthesizing the Worst，以下是论文摘要：我们的目标是通过模仿学习来培养自动驾驶的策略，该策略足以驾驶真实车辆。我们发现标准行为克隆不足以处理复杂的驾驶场景，即使我们利用感知系统预处理输入和控制器来执行汽车上的输出：3000万个数据仍然不够。我们建议以对专家驾驶的扰动的形式向学习者展示合成数据，这会产生有趣的情况，例如碰撞和/或离开道路。我们不是纯粹模仿所有数据，而是通过额外的损失增加模仿损失，惩罚不良事件并鼓励进展 - 然后扰动为这些损失提供了重要信号，并导致学习模型的鲁棒性。实验表明，ChauffeurNet模型可以处理模拟中的复杂情况，并提供消融实验，强调我们提出的每个变化的重要性，并表明模型正在响应适当的因果因素。最后，我们展示了在现实世界中驾驶汽车的模型。