超越策略支持：面向自动驾驶的交互约束离线强化学习

基于摘要分析。该研究关注交互式自动驾驶中的离线强化学习分布偏移：自车候选轨迹即使受到离线数据边缘分布的支持，也可能与日志中周围交通参与者的行为缺乏联合支持。作者将这一问题称为 interaction distribution shift（IDS），提出 Interaction-Constrained Drive Policy（ICDP），显式约束交互层面的分布偏移。 机制上，作者从自车与周围交通参与者未来行为的联合数据分布出发，报告联合支持退化可精确分解为自车支持分量与残余交互支持分量。ICDP 通过对比密度比估计恢复后者，以识别交互兼容性；摘要指出，策略优化过程不需要显式联合密度建模、周围交通参与者预测，也不需要在反应式仿真器或学习得到的世界模型中进行 rollout。具体估计目标、约束形式及优化实现尚未验证。 作者报告，在 nuPlan、Interplan 的闭环评估及真实卡车实验中，ICDP 能抑制价值估计高但缺乏交互支持的轨迹选择，并改善交互关键驾驶场景中的表现。摘要未提供指标、收益幅度、数据划分、对照方法或真实卡车实验规模，实验协议、消融及统计信息尚未验证，因此目前不能量化收益或判断不同设置下的稳健性。 平台推测（待验证）：该方法依赖可配对的自车与周围参与者未来行为数据，并非可直接迁移到 EEG 分类的通用域适应方法。若用于闭环 BCI 辅助控制，可能复用交互兼容性估计，但需重新定义用户意图、系统动作及反馈的联合记录，并改造轨迹表示与约束接口。低信噪比、跨被试变化和小规模交互数据可能使密度比估计不稳定。一个可检验的小实验是在固定离线辅助控制日志上，对比仅约束系统动作支持与额外约束用户—系统交互支持的策略，核对闭环任务表现及不受支持动作的选择频率。已有 EEG/BCI 相关工作尚未检索确认。