快速加热-冷却冲击下花岗岩物理力学性能劣化与磨蚀性演化分析

《Applied Sciences》:Analysis of Physico-Mechanical Deterioration and Abrasivity Evolution of Granite Subjected to Rapid Heating–Cooling Shock

【字体: 大 中 小 】 时间:2026年08月29日 来源:Applied Sciences 2.5

编辑推荐:

   特色应用 等预算留一轴协议和三级闭环矩阵为审计固定条件模仿学习栈中哪些训练数据轴会在部署护栏吸收失败之前移动CARLA中的部署相关行为提供了可重复的工作流。实践者可以重用已发布的评估账本和标签分层报告规则,在纯评估

  

摘要

条件模仿学习(CIL)用于CARLA,依赖于跨越地图、天气、交通和控制扰动轴的多样化专家数据,但尚不清楚哪些轴实际上驱动闭环行为,以及消融结论是否能经受部署护栏的考验。我们训练了一个匹配的基线和固定CIL架构(v14)的四个等预算留一轴(LOO)变体,并在三个嵌套层级下评估每个变体:纯策略展开、最小交通规则护盾、以及带有路线混合和恢复的完全部署栈。该因子设计包含 个场景-变体-层级单元,每个在 n = 5 个交通种子重复下进行评估(1350个闭环回合),以估计每个评估栈上的NPC种子方差。没有单个被保留的轴主导合并结果。LOO效应是标签(场景类别)和生成(车辆起始位置)特定的:移除扰动标记的恢复数据在geometry_stress上代价为 m,但在分布内生成上可能增加距离;移除多城镇数据改变了保留的Town05在某些路线上的移动性,同时降低了其他路线。轴重要性排名在不同层级间重新排序;纯层级与完整层级排名之间的Kendall 为 ,护栏压缩或抹平了纯层级的差距(例如,drop_perturbation的合并距离从 m 降至0 m)。纯层级种子重复显示,drop_perturbation下的几何驱动车道跟踪退化是种子稳定的;交通轴和完整层级的drop_traffic负载更种子敏感。我们随论文发布了评估账本、解析脚本和分析工具。训练数据消融声明应在纯评估下报告每场景或标签分层的LOO指标;护栏层级是补充部署检查,而非隔离策略学习内容的替代。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号