자율주행차의 안전성 평가에 필수적인 사실적 고속도로 시뮬레이션을 위한 PHASE(Policy for Heterogeneous Agent Self-play on Expressway) 프레임워크를 제안한다. 이 프레임워크는 에이전트별 명시적 조건화로 제어성을 확보하고, 합성 시나리오 생성으로 광범위한 커버리지를, 폐쇄 루프 다중 에이전트 학습으로 현실적인 상호작용 동학을 구현한다. 승용차와 트레일러 트럭 등 차량 프로파일을 단일 정책 안에서 차량 인식 동학과 컨텍스트 조건 행동으로 지원하며, 조기 종료·과실 충돌 귀속·고속도로 인식 보상 셰이핑·결합 커리큘럼·강건 정책 최적화로 self-play를 안정화했다. 합성 데이터로만 학습됐음에도 exiD의 512개 미관측 실세계 시나리오에 제로샷 전이해 96.3% 성공률을 달성했고, ADE/FDE를 6.57/12.07m에서 2.44/5.25m로 줄였다.
- •고속도로 자율주행 평가를 위한 다중 에이전트 self-play 프레임워크 PHASE 제안
- •제어성·커버리지·행동 신뢰성의 세 요구사항 동시 해결
- •승용차·트레일러 트럭 등 이종 차량을 단일 정책으로 지원
- •합성 데이터만으로 실세계 512개 시나리오에서 96.3% 제로샷 성공률
- •이전 기반 대비 ADE/FDE 오차 대폭 감소 및 행동 사실성 향상
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Heterogeneous Self-Play for Realistic Highway Traffic Simulation
본문 미리보기
arXiv:2604.16406v1 Announce Type: new Abstract: Realistic highway simulation is critical for scalable safety evaluation of autonomous vehicles, particularly for interactions that are too rare to study from logged data alone. Yet highway traffic generation remains challenging because it requires broad coverage across speeds and maneuvers, controllable generation of rare safety-critical scenarios, and behavioral credibility in multi-agent interactions. We present PHASE, Policy for Heterogeneous A
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:43AI 초안
