BehaviorGPT：基于下一块预测的自动驾驶智能体仿真

仿真交通智能体的真实行为对于高效验证自动驾驶系统的安全性至关重要。现有的数据驱动仿真器主要采用编码器-解码器架构，在解码未来轨迹之前先对历史轨迹进行编码。然而，编码器与解码器之间的异构性使得模型复杂化，且人为分离历史与未来轨迹导致数据利用率低下。鉴于这些局限性，我们提出了 BehaviorGPT，这是一种同构且完全自回归的 Transformer，旨在仿真多智能体的序列行为。关键在于，我们的方法摒弃了“历史”与“未来”之间的传统分离，将每个时间步建模为用于运动生成的“当前”步，从而得到一个更简单、参数效率与数据效率更高的智能体仿真器。我们进一步引入了下一块预测范式（NP3）以缓解自回归建模的负面影响，在该范式中，模型被训练在轨迹的块级别进行推理，并捕获长程时空交互。尽管仅有 3M 模型参数，BehaviorGPT 在 2024 年 Waymo Open Sim Agents 挑战赛中以 0.7473 的真实性得分和 1.4147 的 minADE 得分荣获第一名，证明了其在交通智能体仿真中的卓越性能。