arXiv cs.AI· Tong Nie, Yuewen Mei, Junlin He, Yihong Tang, Jian Sun, Wei Ma·· 11 小时前AI 评分31
世界模型作为对手：面向鲁棒运动规划的多智能体自博弈微调
World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning
AI 导读
研究提出对抗世界建模（AWM）框架，将鲁棒规划器学习建模为约束 min-max 博弈，通过多智能体自博弈微调实现。AWM 用解耦求解器：内层把规划器的预测世界模型转为角色条件对手，经反事实信用分配学习稀疏场景自适应攻击联盟；外层自我规划器对冻结对手优化后悔感知鲁棒最优响应。
正文 · AI 翻译
摘要：在密集交通中进行稳健的运动规划，要求自动驾驶车辆在自然驾驶数据中代表性不足的罕见且安全攸关的场景中进行交互。尽管对抗训练提供了一种可行的解决方案，但现有方法往往依赖外部场景生成器、启发式扰动或大量仿真器推演，这使其难以与现代自回归规划器集成。在此，我们将对抗稳健的规划器学习建模为一个受约束的极小极大博弈，并提出对抗世界建模（AWM），一个具有理论基础的、多智能体自我博弈的微调框架。由于精确求解该博弈不可行，AWM 引入了一个有原则的解耦求解器。在内层最小化中，规划器的预测世界模型被转换为一个角色条件化的对手，通过反事实信用分配学习稀疏的、场景自适应的攻击联盟。在外层最大化中，自车规划器针对冻结的 AWM 优化一个感知遗憾的稳健最佳响应，利用尾部风险加权和参考锚定的信任域来改善困难案例的恢复，同时保持标称驾驶行为。在 nuPlan 和 InterPlan 基准上的实验表明，我们的方法生成了可迁移的对抗交互，并产生了一个稳健的规划器，在标称和高度交互的长尾场景中均取得了有竞争力的闭环性能。理论分析为解耦求解器和主要优化组件提供了依据。
| 评论： | 已被 NeurIPS 2026 接收 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2607.10630 [cs.RO] |
| （或 arXiv:2607.10630v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.10630 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Tong Nie [查看邮箱]
[v1]
2026年7月12日星期日 07:44:16 UTC（2,183 KB）
[v2]
2026年11月5日星期四 04:34:59 UTC（3,257 KB）
来源：arXiv cs.AI · arxiv.org