arXiv cs.AI· Wei-Jer Chang, Zhouchonghao Wu, Akshay Rangesh, Weixin Li, Masayoshi Tomizuka, Wei Zhan·· 2 天前AI 评分26
SHRED：无需专家演示的异构道路使用者自博弈框架
SHRED: Self-Play for Heterogeneous Road-Users without Expert Demonstrations
AI 导读
SHRED 通过大规模异构自博弈从随机初始化联合训练车辆、行人和骑行者，无需演示数据或轨迹回放。在 Waymo Open Sim Agents Challenge 上，SHRED 同时控制三类道路使用者，超越无演示自博弈基线和依赖演示训练参考策略的先前自博弈方法；仅用 nuPlan 地图几何训练的策略在 Waymo 零样本评测中保持可比真实感。
正文 · AI 翻译
摘要：真实的交通仿真与自主规划都依赖于对异构道路使用者之间交互的建模，而这些参与者的动力学、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真实的交互行为。在本工作中，我们探究这种行为能否仅通过自我对弈（self-play）自然涌现。我们提出 SHRED，一个从随机初始化出发，通过大规模异构自我对弈联合训练车辆、行人和骑行者的框架，无需示范数据或回放记录轨迹。SHRED 将类型特定的动力学与目标同程序化场景生成和逐智能体随机化相结合，使多样化行为能够通过闭环交互涌现。在 Waymo Open Sim Agents Challenge（WOSAC）上，SHRED 联合控制全部三种道路使用者类型，并优于最接近的无示范自我对弈基线以及此前使用示范训练参考策略的自我对弈方法。仅在 nuPlan 地图几何上训练的策略在 Waymo 上的零样本评估中仍保持相当的真实性。在规划方面，SHRED 在交互密集的 InterPlan 基准上优于所有对比规划器。受控消融实验表明，自我对弈中的异构性同时提升了交通真实性和规划性能，在交互密集场景中规划增益尤为显著。综上，这些结果确立了异构程序化自我对弈作为一种可扩展、无需示范的范式，用于学习真实且具交互性的交通行为。
| 评论： | 自动驾驶中的自我对弈 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.20866 [cs.LG] |
| （或 arXiv:2610.20866v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20866 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhouchonghao Wu [查看邮箱]
[v1]
2026年10月14日星期三 19:56:13 UTC（2,119 KB）
来源：arXiv cs.AI · arxiv.org