🎮 强化学习

AlpaMayo-R1 将 GRPO 强化学习方法引入自动驾驶策略训练，通过奖励驱动的方式优化驾驶决策的安全性与效率，配合 AlpaSim 仿真与 AlpaAuditor 审计形成完整闭环。

华科×小米EV提出ReCogDrive，将VLM认知推理与扩散规划器统一，通过DiffGRPO强化学习提升安全性，在NAVSIM和Bench2Drive上达到SOTA。