用于交通模拟的强化学习

本公开涉及用于交通模拟的强化学习。在各种示例中，可以基于使用人类反馈生成和/或更新包括一个或更多个交通场景的交通模型。可以提供人类反馈，指示对各种交通场景的偏好，以确定模型中的哪些场景更为真实。奖励模型可以捕获偏好信息并对一个或更多个交通场景的真实性进行排名。