跳到正文
arXiv · 机器人与计算机视觉· Steven Yu Tung, Shubham Vaijanath Phoolari, Christoph Lauer, Abhinav Valada, Steven Peters·· 11 小时前精选AI 评分82

CaFe:一种因果忠实条件交通场景生成方法

CaFe: Causally Faithful Conditional Traffic Scenario Generation

AI 导读

针对语言引导的交通仿真中存在的意图泄露问题,本文提出了 CaFe 模型。作者构建了包含 531,099 个场景的 WOMD-PACT 数据集,并开发了一种配对干预测试方法来量化泄露程度。CaFe 采用双流扩散强制机制,在闭环微调下将智能体间的交互限制为公共信念,成功消除了可测量的意图泄露,同时保持了与 WOSAC 相当的现实度(0.763)。

推荐理由

该研究提出 CaFe 仿真器,通过限制交互于公共信念消除了指令泄露问题,同时保持了高现实度。

来源:arXiv · 机器人与计算机视觉 · arxiv.org