Trajeglish：将交通建模视为下一个令牌预测

自动驾驶开发的一个长期挑战是模拟从记录的驾驶日志中播种的动态驾驶场景。为了实现这一功能，我们应用离散序列建模工具来建模车辆、行人和骑行者如何在驾驶场景中交互。使用一种简单的数据驱动分词方案，我们使用一个小词汇表将轨迹离散化到厘米级分辨率。然后，我们使用一个类似 GPT 的编码器-解码器来建模多智能体的离散运动令牌序列，该模型在时间上是自回归的，并考虑了智能体之间的时间步内交互。从我们的模型中采样的场景展现出最先进的真实感；我们的模型在 Waymo Sim Agents Benchmark 上名列前茅，在真实感元指标上超越先前工作 3.3%，在交互指标上超越 9.9%。我们在完全自主和部分自主设置中消融了我们的建模选择，并表明我们模型学到的表示可以快速适应以提高在 nuScenes 上的性能。我们还评估了模型在参数数量和数据集大小方面的可扩展性，并使用模型的密度估计来量化上下文长度和时间步内交互对于交通建模任务的显著性。