跳到正文
arXiv · 机器人与计算机视觉· Wei-Jer Chang, Zhouchonghao Wu, Akshay Rangesh, Weixin Li, Masayoshi Tomizuka, Wei Zhan·· 2026-10-16精选AI 评分78

SHRED:无需专家演示的异质道路用户自博弈框架

SHRED: Self-Play for Heterogeneous Road-Users without Expert Demonstrations

AI 导读

该论文提出了 SHRED 框架,通过大规模异质性自博弈联合训练车辆、行人和骑行者,无需依赖人类驾驶演示或轨迹回放。实验显示,该方法在 Waymo Open Sim Agents Challenge 中优于无演示基线及参考策略方法,且在 nuPlan 地图几何零样本评估下保持真实感;在交互密集的 InterPlan 基准上规划性能全面领先。消融研究表明自博弈中的异质性显著提升了交通真实性和规划效果。

推荐理由

提出无需专家演示的异质交通参与者自博弈框架,在仿真挑战中优于基线并提升规划性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org