结合人类反馈与多智能体逆强化学习，建模混合交通中的交互驾驶行为。
推荐理由：研究不再把周边车辆仅视为动态障碍，而是联合推断多车互动背后的奖励，同时试图用人类反馈缓解联合动作空间爆炸；这更贴近自动驾驶中的博弈式决策。
阅读原文