SHRED: Self-Play for Heterogeneous Road-Users without Expert Demonstrations

arXiv:2610.20866v1 公告类型：新

摘要：逼真的交通仿真与自主规划都依赖于对异构道路使用者之间交互的建模，而这些参与者的动力学、约束和行为存在根本性差异。现有方法主要从大规模人类驾驶示范中学习逼真的交互行为。在本工作中，我们提出一个问题：这种行为能否转而纯粹通过自我博弈涌现出来。我们提出 SHRED，一个通过大规模异构自我博弈从随机初始化开始联合训练车辆、行人和骑行者的框架，无需示范数据，也无需回放记录轨迹。SHRED 将按类型区分的动力学与目标同程序化场景生成和逐智能体随机化相结合，使多样化行为能够通过闭环交互涌现。在 Waymo Open Sim Agents Challenge（WOSAC）上，SHRED 联合控制全部三类道路使用者，并优于最接近的无示范自我博弈基线以及此前使用示范训练参考策略的自我博弈方法。仅在 nuPlan 地图几何上训练的策略，在 Waymo 上的零样本评估中仍保持可比拟的逼真度。在规划方面，SHRED 在交互密集的 InterPlan 基准测试上优于所有对比规划器。受控消融实验表明，自我博弈中的异构性同时提升了交通逼真度和规划性能，且在交互密集场景中规划收益尤为显著。综合来看，这些结果确立了异构程序化自我博弈作为一种可扩展、无需示范的范式，用于学习逼真且可交互的交通行为。