基于情景的多智能体自动驾驶课程生成

自动生成多样且复杂训练情景是许多复杂学习任务中的重要要素。尤其是在现实世界应用领域，例如自动驾驶，自动课程生成被视为获取稳健和通用策略的关键。然而，设计包含多个异构智能体的交通情景通常被视为繁琐且耗时的任务，尤其是在更复杂的仿真环境中。在本文中，我们引入了MATS-Gym，一个用于训练车辆中的智能体的多智能体交通情景框架。MATS-Gym是一个用于自动驾驶的多智能体训练框架，使用部分情景规范生成具有可变智能体数量的交通情景。本文将各种现有的交通情景描述方法统一整合到单一的训练框架中，并演示如何将其集成到来自无监督环境设计技术的自动生成自适应课程的自动化方法中。代码可在https://github.com/AutonomousDrivingExaminer/mats-gym获取。