标签
SHRED 是一个通过大规模异构自博弈（车辆、行人、骑行者）从随机初始化联合训练的框架，无需人类驾驶演示或日志轨迹回放，即可学习真实且交互性强的交通行为。在 Waymo Open Sim Agents Challenge 和 InterPlan 基准上，SHRED 优于依赖演示的自博弈方法和基线规划器。
SimSkill是一个终身学习AI代理，通过识别能力差距、生成任务并使用记忆系统来提高性能，自主掌握交通仿真，在基准测试中任务完成率提升高达25%。
本文提出一种基于仿真的方法，用虚拟传感器替代物理传感器来生成增强交通数据集，从而在保持交通模式的同时扩展城市网络中的传感器覆盖范围。
Flow-ERD是一个多智能体交通仿真器，结合了智能体类型感知流匹配与熵正则化蒸馏，以实现既真实又多样化的运动模式，在WOSAC测试基准上排名第一。
介绍了 RosettaSim，一种采用结构化自回归建模进行长期交通仿真的框架，在 Waymo Open Sim Agent Challenge 上取得了最先进的性能。同时提出了基于检索的交通评估（Retrieval-based Traffic Evaluation, RTE），用于更好地评估长时域保真度。