基准Alpasim 仿真器
Alpasim
一个自动驾驶驾驶仿真器，用于闭环评测VLA模型和驾驶策略，支持开环和闭环测试。
时间轴 (近 90 天)
10月30日
在 Alpasim 驾驶仿真器中，Q-adaptive guidance 在开环设置下优于所有固定权重方案以及在线强化学习方法（SAC、GRPO）。
待验证50%
10月30日
在 Alpasim 的闭环测试中，Q-adaptive guidance 在 300 个场景里通过 262 个，而原始策略通过 252 个。
待验证50%
一个自动驾驶驾驶仿真器，用于闭环评测VLA模型和驾驶策略，支持开环和闭环测试。
在 Alpasim 驾驶仿真器中，Q-adaptive guidance 在开环设置下优于所有固定权重方案以及在线强化学习方法（SAC、GRPO）。
在 Alpasim 的闭环测试中，Q-adaptive guidance 在 300 个场景里通过 262 个，而原始策略通过 252 个。