Uncertainty-Aware and Temporally Regulated Expert Advice in Reinforcement Learning for Autonomous Driving

Este artigo propõe uma estrutura sensível à incerteza para aprendizado por reforço em direção autônoma, utilizando conselhos de especialistas para guiar a exploração com segurança e evitar a dependência de longo prazo. A metodologia emprega gatilhos de conselho adaptativos e uma estratégia de compromisso-cooldown para regular a orientação, demonstrando desempenho superior em simulações CARLA.