行为克隆在离线专家示范上训练策略，但部署时为闭环：每个动作会影响策略随后接收到的观测。我们研究在 CARLA 模拟器中，一个紧凑的多模态策略能够从离线示范中获得多少闭环驾驶能力。该策略使用五帧历史的 RGB 图像、LiDAR、车辆遥测和车道路标点，预测油门、刹车和转向，频率为 20 Hz。示范数据分三阶段收集，最终阶段采用系统化路线生成：枚举生成点、可行机动并验证自动驾驶完成的路径。发布的策略包含 1.36 百万参数，在 236 882 个窗口上训练，约 3.3 小时驾驶数据，来源于 448 次采集。训练后策略在训练路段和未见路段均可自主行驶数小时，未出现碰撞，并能在几何结构不同的未见城镇中定性迁移。我们观察到在大幅偏离轨迹后能够恢复，但未进行系统化评估。文中提供离线指标并将其与定性闭环观察区分。代码、训练检查点、ONNX 模型、数据样本以及证据审计均已开源。
点评