关于学习闭环概率多智能体仿真器的研究
机器人学
2025-08-04 v1
摘要
自动驾驶车辆(AV)部署的快速迭代,使得构建真实、可扩展的多智能体交通仿真器以进行高效评估的需求日益增长。该领域的最新进展聚焦于能够生成多样化、可交互场景的闭环仿真器。本文提出神经交互智能体(NIVA),一种由层次贝叶斯模型驱动的多智能体仿真概率框架,通过从潜在的高斯有限混合分布中进行自回归采样,实现闭环、基于观测条件的仿真。我们从贝叶斯推断的角度,展示 NIVA 如何统一现有的序列到序列轨迹预测模型以及基于下一词元预测(NTP)训练的闭环仿真模型。在 Waymo 开放运动数据集上的实验表明,NIVA 在与现有方法相比取得具有竞争力的性能的同时,提供了对意图和驾驶风格的精细控制。
引用
@article{arxiv.2508.00384,
title = {On Learning Closed-Loop Probabilistic Multi-Agent Simulator},
author = {Juanwu Lu and Rohit Gupta and Ahmadreza Moradipari and Kyungtae Han and Ruqi Zhang and Ziran Wang},
journal= {arXiv preprint arXiv:2508.00384},
year = {2025}
}
备注
Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025. Source Code: https://github.com/juanwulu/niva