很棒的决策/强化学习
这是与决策和运动规划相关的最先进研究材料的论文列表。希望对学术界和工业界都有帮助。 （仍在更新中）
维护者： Jiachen Li （加州大学伯克利分校）
电子邮件：[email protected]
请随时提出请求以添加新资源或向我们发送电子邮件以提出问题、讨论和协作。
注意：这里也是交互感知轨迹（行为）预测的研究材料的集合。
RL & IRL & 盖尔
- 最大熵深度逆强化学习，2015，[论文]
- 引导成本学习：通过策略优化进行深度逆最优控制，ICML 2016，[论文]
- 生成对抗性模仿学习，NIPS 2016，[论文]
- 生成对抗网络、逆强化学习和基于能量的模型之间的联系，NIPS 2016，[论文]
- InfoGAIL：从视觉演示中进行可解释的模仿学习，NIPS 2017，[论文] [代码]
- 自模仿学习，ICML 2018，[论文][代码]
- 数据高效的分层强化学习，NIPS 2018，[论文]
- 通过对抗性逆强化学习学习稳健奖励，ICLR 2018，[论文]
- 多智能体生成对抗性模仿学习，ICLR 2018，[论文]
- 多智能体对抗逆强化学习，ICML 2019，[论文]
自动驾驶
- 深度学习在自动驾驶车辆控制中的应用综述，IEEE Transaction on ITS 2019，[论文]
- 使用生成对抗网络模仿驾驶员行为，IV 2017，[论文] [代码]
- 用于驾驶模拟的多智能体模仿学习，IROS 2018，[论文] [代码]
- 使用多智能体奖励增强模仿学习模拟人类驾驶行为的新兴特性，ICRA 2019，[论文] [代码]
- 从野外示范中学习，ICRA 2018，[论文]
- 使用深度强化学习的多智能体互联自动驾驶，NeurIPS 2019，[论文] [代码]
- 城市自动驾驶的无模型深度强化学习，ITSC 2019，[论文]
- 通过条件模仿学习实现端到端驾驶，ICRA 2018，[论文]
- CIRL：基于视觉的自动驾驶的可控模仿强化学习，ECCV 2018，[论文][代码]
- 基于强化学习的自动变道操作方法，IV 2018，[论文]
- 自动驾驶决策的对抗性逆强化学习，ICRA 2020，[论文]
- 具有不同行为的自动驾驶的深度分层强化学习，IV 2018，[论文]
- 使用深度强化学习的自动驾驶顺序决策的分层架构，ICML 2019，[论文]
- 端到端可解释神经运动规划器，CVPR 2019，[论文]
- 自动驾驶车辆的联合学习行为和轨迹规划，IROS 2019，[论文]
- 自动驾驶中深度强化学习的动态输入，IROS 2019，[论文]
- 学习在没有地图的城市中导航，NIPS 2018，[论文]
- 通过罕见事件模拟进行可扩展的端到端自动驾驶汽车测试，NIPS 2018，[论文]
- 通过自我对弈学习多智能体谈判，ICCV 2019，[论文]
模拟器和数据集
- CARLA：开放式城市驾驶模拟器，[论文]
- TORCS：开放式赛车模拟器，[论文]
- Comma.ai：学习驾驶模拟器，[论文]
- NGSIM：美国 101 号公路数据集，[文档]
