超越安全执行：结合价值校准与自适应引导的自动驾驶安全在线强化学习

预印本摘要称，研究者提出面向 Flow 自动驾驶策略在线微调的框架 SOAR-Flow，利用 CBF-MPC 过滤器在执行前修正不安全动作。该方法引入基于 Cal-QL 的高斯回报感知价值校准以平滑保守评价网络更新，并结合配对修正学习与未来干预预测器调节引导强度。仿真及无人地面车辆（UGV）实验表明，该框架在受保护在线微调中提升了驾驶性能并减少了对安全修正的依赖。