RAD-2：在生成器-判别器框架中扩展强化学习
[Daily Paper] RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework
AI 导读
RAD-2 提出在生成器-判别器框架中扩展强化学习，面向自动驾驶运动规划，将扩散轨迹生成器与经 RL 优化的判别器解耦结合，以改善纯模仿学习在闭环驾驶中的因果混乱。它引入 TC-GRPO，通过轨迹复用、组内优势标准化和安全/效率多目标奖励缓解信用分配问题，并用 BEV-Warp 在 BEV 特征空间扩展 RL 训练。