# 对比密度比估计

该工作提出ICDP，一种离线强化学习框架：它把自我车辆与周围智能体联合支持度的退化精确分解为自我轨迹支持项与残差交互支持项，并用对比密度比估计恢复后者，从而在不建模联合密度、不预测周围智能体、不做反应式仿真或世界模型推演的前提下约束策略改进；在nuPlan、InterPlan闭环评测与真实卡车实验中，ICDP抑制了高价值但交互不支持的轨迹选择，并在交互关键场景中提升表现。

该工作提出ICDP，一种离线强化学习框架：它把自我车辆与周围智能体联合支持度的退化精确分解为自我轨迹支持项与残差交互支持项，并用对比密度比估计恢复后者，从而在不建模联合密度、不预测周围智能体、不做反应式仿真或世界模型推演的前提下约束策略改进；在nuPlan、InterPlan闭环评测与真实卡车实验中，ICDP抑制了高价值但交互不支持的轨迹选择，并在交互关键场景中提升表现。