SocialDriveGen：生成可控社交互动的多样化交通情景
多智能体系统
2025-12-02 v1 机器学习
摘要
在仿真中生成真实且多样化的交通情景对于开发和评估自动驾驶系统至关重要。然而，大多数仿真框架依赖基于规则或简化模型进行场景生成，这些模型缺乏所需的保真度和多样性来代表现实驾驶行为。尽管近期的生成模型进展产生了更真实、更具情境感知力的交通互动，但往往忽视了社交偏好如何影响驾驶行为。SocialDriveGen 通过整合语义推理和社交偏好建模与生成轨迹合成的分层框架，来解决这一问题。通过将利己主义和利他主义建模为互补的社交维度，我们的框架实现了驾驶员人格和互动风格的可控多样性。在 Argoverse 2 数据集上的实验表明，SocialDriveGen 生成的交通情景具有多样性和高保真度，涵盖合作到对抗行为，显著增强了策略的鲁棒性和对罕见或高风险情形的泛化能力。
引用
@article{arxiv.2512.01363,
title = {SocialDriveGen: Generating Diverse Traffic Scenarios with Controllable Social Interactions},
author = {Jiaguo Tian and Zhengbang Zhu and Shenyu Zhang and Li Xu and Bo Zheng and Xu Liu and Weiji Peng and Shizeng Yao and Weinan Zhang},
journal= {arXiv preprint arXiv:2512.01363},
year = {2025}
}