SHRED：无需专家示范的异质道路使用者自博弈

arXiv:2610.20866v1 公告类型：new 摘要：逼真的交通仿真和自主规划都依赖于对异质道路使用者之间交互的建模，因为不同道路使用者的动力学、约束和行为存在根本差异。现有方法主要从大规模人类驾驶示范中学习逼真的交互行为。在本文中，我们探讨了这种行为是否能够完全通过自博弈自然涌现。我们提出 SHRED，一种通过大规模异质自博弈联合训练车辆、行人和骑行者的框架，从随机初始化开始训练，无需示范或记录轨迹回放。SHRED 将特定类型的动力学和目标与程序化场景生成及智能体级随机化相结合，使多样化行为能够通过闭环交互自然涌现。在 Waymo Open Sim Agents Challenge（WOSAC）中，SHRED 联合控制全部三类道路使用者，其性能优于最接近的无示范自博弈基线，以及此前使用基于示范训练的参考策略的自博弈方法。在 nuPlan 地图几何上训练的策略，在 Waymo 上进行零样本评估时仍保持了相当的逼真度。在规划方面，SHRED 在交互密集型 InterPlan 基准测试中优于所有参与比较的规划器。受控消融实验表明，自博弈中的异质性能够同时提升交通逼真度和规划性能，并且在交互密集型场景中带来尤其显著的规划收益。综合来看，这些结果证明，异质程序化自博弈是一种可扩展且无需示范的范式，可用于学习逼真并具交互性的交通行为。