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

要約

自律運転シミュレーションにおける限られた行動知能と過度に簡素化された車両行動モデリングの課題に対処するために、このホワイトペーパーでは、推論とモーションスタイル（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と、強化学習前脱出と監視付き微調整を使用して、人間のドライバーの意思決定をモデル化します。
これにより、結果のモデルは多様な行動を示すことができ、シミュレーションにおける周囲の車両の知性とリアリズムを改善します。
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意思決定を行うことができることと、周囲の車両として多様で現実的な運転シナリオを生成することができることを示しています。
チャームのコードは、https：//github.com/wutad-wjy/charmsでリリースされます。

要約(オリジナル)

To address the challenges of limited behavioral intelligence and overly simplified vehicle behavior modeling in autonomous driving simulations, this paper proposes the Cognitive Hierarchical Agent for Reasoning and Motion Stylization (CHARMS). Leveraging Level-k game theory, we model human driver decision-making using reinforcement learning pretraining and supervised fine-tuning. This enables the resulting models to exhibit diverse behaviors, improving the intelligence and realism of surrounding vehicles in simulation. 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 decisions as an ego vehicle and generating diverse, realistic driving scenarios as surrounding vehicles. The code for CHARMS will be released at https://github.com/WUTAD-Wjy/CHARMS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google