ReWAM: Reciprocal World Action Models for Interactive Autonomous Driving
作者: Benshan Ma, Pei Liu, Ruiguo Zhong, Lang Zhang, Mingyue Feng, Yaonong Wang, Jun Ma
分类: cs.RO
发布日期: 2026-09-30
💡 一句话要点
提出ReWAM以解决互动场景下自主驾驶的决策问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 自主驾驶 互动决策 博弈论 世界动作模型 条件响应者 多代理系统 智能交通
📋 核心要点
- 现有的世界动作模型未能有效捕捉自我代理与其他代理之间的相互影响，限制了在复杂互动场景中的表现。
- 本文提出互惠世界动作模型（ReWAM），通过博弈论框架将其他代理视为条件响应者，增强了交互决策的准确性。
- 在NAVSIM数据集上进行评估，ReWAM在互动场景中表现优异，显著提升了决策性能，验证了其有效性。
📝 摘要（中文）
在互动场景中，自主驾驶系统需要在其他代理行为的影响下生成自我动作。现有的世界动作模型（WAMs）通常将其他代理视为世界模型的组成部分，而非决策者，这限制了其在密集交互场景中的表现。本文提出了互惠世界动作模型（ReWAM），一种博弈论框架，通过将其他代理视为条件响应者，捕捉自我代理与其他代理之间的相互影响。我们用Level-$k$响应层次结构实例化该框架，角色特定的自我和其他动作通过跨代理注意力交换紧凑的策略令牌，同时基于共享的未来驾驶世界表示。通过条件流匹配联合优化整个层次结构，从演示中学习自我代理的响应策略。我们的框架在NAVSIM数据集上评估，取得了相较基线的最先进性能，尤其在互动场景中显著提升，验证了建模互惠响应为交互感知的世界动作生成提供了更有效的基础。
🔬 方法详解
问题定义：本文旨在解决自主驾驶系统在互动场景中生成自我动作时，未能有效考虑其他代理行为的决策问题。现有方法将其他代理视为世界模型的一部分，未能捕捉其对自我代理行为的影响，导致性能不足。
核心思路：提出互惠世界动作模型（ReWAM），通过博弈论框架将其他代理视为条件响应者，捕捉自我代理与其他代理之间的相互影响，从而提升决策的准确性和有效性。
技术框架：ReWAM框架包括Level-$k$响应层次结构，角色特定的自我和其他动作通过跨代理注意力机制交换策略令牌，基于共享的未来驾驶世界表示进行决策。
关键创新：最重要的创新在于将其他代理视为决策者而非简单的环境组成部分，构建了一个能够捕捉相互影响的博弈论模型，显著提升了在复杂交互场景中的表现。
关键设计：采用条件流匹配方法联合优化整个层次结构，通过从专家演示中学习自我代理的响应策略，确保模型在训练过程中能够有效捕捉到最佳响应分布。关键参数设置和损失函数设计均针对交互决策进行了优化。
🖼️ 关键图片
📊 实验亮点
在NAVSIM数据集上的实验结果显示，ReWAM在互动场景中实现了最先进的性能，相较于基线方法，决策准确性提升了显著的比例，验证了互惠响应建模的有效性。具体性能数据尚未披露，但提升幅度在实验中表现突出。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、智能交通系统和机器人交互等。通过更好地理解和预测多代理互动行为，ReWAM能够提升自主驾驶系统在复杂环境中的决策能力，推动智能交通的安全性和效率。未来，该框架还可扩展至其他需要考虑多方互动的智能系统中。
📄 摘要（原文）
In interactive scenarios, an autonomous driving system is required to generate ego actions under the influence of other agents' behaviors. Existing World Action Models (WAMs) typically model other agents as components of the world model rather than as decision-makers that fundamentally shape the action of the ego agent, which impairs their performance in dense interaction scenarios. We introduce Reciprocal World Action Models (ReWAM), a game-theoretic world action modeling framework that captures the reciprocal influence between the ego agent and other agents by representing them as conditional responders whose actions are mutually influenced. We instantiate this framework with a Level-$k$ response hierarchy, where role-specific ego and other action DiTs exchange compact strategy tokens through cross-agent attention while remaining grounded in a shared representation of the future driving world. To learn the response policy of the ego agent from demonstrations, we formulate expert actions as samples from the best response distribution and jointly optimize the entire hierarchy using conditional flow matching. Our framework is evaluated on the NAVSIM dataset and achieves state-of-the-art performance compared to baselines. The improvement is particularly significant in interactive scenarios, validating that modeling reciprocal responses provides a more effective foundation for interaction-aware world action generation.