CHARMS: A Cognitive Hierarchical Agent for Reasoning and Motion Stylization in Autonomous Driving

要約

自律運転の意思決定におけるインタラクティブ性と行動の多様性が不十分であるという課題に対処するために、このペーパーでは、推論と運動様式化（チャーム）の認知階層エージェントを提案します。
レベルKゲーム理論を活用することにより、チャームは、補強学習前削除と監視された微調整を含む2段階のトレーニングパイプラインを通じて、人間のような推論パターンを捉えています。
これにより、結果のモデルは多様で人間のような行動を示すことができ、複雑な交通環境での意思決定能力と相互作用の忠実度を高めることができます。
この能力に基づいて、ポアソン認知階層理論を利用して、ポアソンと二項サンプリングを通じてさまざまな運転スタイルの車両の分布を制御するシナリオ生成フレームワークをさらに開発します。
実験結果は、チャームがエゴ車両としてインテリジェントな運転の決定を下し、環境車両として多様で現実的な運転シナリオを生成できることを示しています。
Code for Charmsはhttps://github.com/chuduanfeng/charmsでリリースされます。

要約(オリジナル)

To address the challenge of insufficient interactivity and behavioral diversity in autonomous driving decision-making, this paper proposes a Cognitive Hierarchical Agent for Reasoning and Motion Stylization (CHARMS). By leveraging Level-k game theory, CHARMS captures human-like reasoning patterns through a two-stage training pipeline comprising reinforcement learning pretraining and supervised fine-tuning. This enables the resulting models to exhibit diverse and human-like behaviors, enhancing their decision-making capacity and interaction fidelity in complex traffic environments. Building upon this capability, we further develop a scenario generation framework that utilizes the Poisson cognitive hierarchy theory to control the distribution of vehicles with different driving styles through Poisson and binomial sampling. Experimental results demonstrate that CHARMS is capable of both making intelligent driving decisions as an ego vehicle and generating diverse, realistic driving scenarios as environment vehicles. The code for CHARMS is released at https://github.com/chuduanfeng/CHARMS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google