Toward Efficient and Robust Behavior Models for Multi-Agent Driving Simulation

📄 arXiv: 2512.05812v2 📥 PDF

作者: Fabian Konstantinidis, Moritz Sackmann, Ulrich Hofmann, Christoph Stiller

分类: cs.RO, cs.CV

发布日期: 2025-12-05 (更新: 2025-12-10)

备注: This work has been submitted to the IEEE for possible publication

💡 一句话要点

提出一种高效鲁棒的多智能体驾驶行为模型，用于驾驶模拟。

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 多智能体系统 驾驶模拟 行为模型 逆强化学习 场景表示

📋 核心要点

  1. 现有驾驶模拟行为模型在计算效率和真实性之间难以平衡，尤其是在多智能体场景下。
  2. 论文提出一种以实例为中心的场景表示和对称上下文编码器，结合对抗逆强化学习，提升模型效率和鲁棒性。
  3. 实验表明，该方法在减少训练和推理时间的同时，提高了位置精度和鲁棒性，优于现有方法。

📝 摘要（中文）

可扩展的多智能体驾驶模拟需要既真实又具有计算效率的行为模型。本文通过优化控制各个交通参与者的行为模型来解决这个问题。为了提高效率，我们采用了一种以实例为中心的场景表示，其中每个交通参与者和地图元素都在其自己的局部坐标系中建模。这种设计实现了高效的、视点不变的场景编码，并允许静态地图标记在模拟步骤中重复使用。为了模拟交互，我们采用了一种以查询为中心的对称上下文编码器，该编码器具有局部帧之间的相对位置编码。我们使用对抗逆强化学习来学习行为模型，并提出了一种自适应奖励转换，该转换可以在训练期间自动平衡鲁棒性和真实性。实验表明，我们的方法可以有效地随着token数量进行扩展，从而显著减少训练和推理时间，同时在位置精度和鲁棒性方面优于几种以agent为中心的基线。

🔬 方法详解

问题定义：现有的多智能体驾驶模拟行为模型面临着计算效率和真实性之间的权衡问题。传统的以Agent为中心的模型在处理大量交通参与者时计算复杂度高，难以扩展。此外，如何保证模型在复杂交通场景下的鲁棒性也是一个挑战。

核心思路：论文的核心思路是以实例为中心表示场景，并利用局部坐标系来编码交通参与者和地图元素。这种方法能够实现视点不变的场景编码，并允许静态地图标记在模拟步骤中重复使用，从而提高计算效率。同时，采用对称上下文编码器来建模智能体之间的交互，并使用对抗逆强化学习来学习行为模型。

技术框架：整体框架包括以下几个主要模块：1) 实例中心场景表示：将每个交通参与者和地图元素转换到其自身的局部坐标系中。2) 对称上下文编码器：使用相对位置编码来建模局部帧之间的关系，并编码智能体之间的交互。3) 对抗逆强化学习：使用判别器来区分真实轨迹和模拟轨迹，并使用生成器来学习行为模型。4) 自适应奖励转换：自动平衡训练过程中的鲁棒性和真实性。

关键创新：最重要的技术创新点在于以实例为中心的场景表示和对称上下文编码器的结合。传统的Agent中心方法需要对每个Agent单独进行计算，而实例中心方法可以共享计算资源，从而提高效率。对称上下文编码器能够有效地建模智能体之间的交互，并保证模型的鲁棒性。

关键设计：论文采用对抗逆强化学习框架，生成器使用神经网络来预测智能体的行为，判别器用于区分真实轨迹和模拟轨迹。损失函数包括生成器损失和判别器损失，并通过自适应奖励转换来平衡鲁棒性和真实性。具体网络结构和参数设置在论文中有详细描述。

📊 实验亮点

实验结果表明，该方法在token数量扩展时表现出良好的效率，显著减少了训练和推理时间。在位置精度和鲁棒性方面，该方法优于几种以Agent为中心的基线方法。具体性能提升数据在论文中有详细展示，证明了该方法的有效性。

🎯 应用场景

该研究成果可应用于自动驾驶车辆的测试与验证、交通流仿真与优化、以及驾驶员行为分析等领域。通过构建高效且鲁棒的驾驶模拟环境，可以加速自动驾驶算法的开发和验证，提高交通系统的效率和安全性，并为驾驶员辅助系统的设计提供数据支持。

📄 摘要（原文）

Scalable multi-agent driving simulation requires behavior models that are both realistic and computationally efficient. We address this by optimizing the behavior model that controls individual traffic participants. To improve efficiency, we adopt an instance-centric scene representation, where each traffic participant and map element is modeled in its own local coordinate frame. This design enables efficient, viewpoint-invariant scene encoding and allows static map tokens to be reused across simulation steps. To model interactions, we employ a query-centric symmetric context encoder with relative positional encodings between local frames. We use Adversarial Inverse Reinforcement Learning to learn the behavior model and propose an adaptive reward transformation that automatically balances robustness and realism during training. Experiments demonstrate that our approach scales efficiently with the number of tokens, significantly reducing training and inference times, while outperforming several agent-centric baselines in terms of positional accuracy and robustness.