arXiv · cs.AI· Wei-Jer Chang, Zhouchonghao Wu, Akshay Rangesh, Weixin Li, Masayoshi Tomizuka, Wei Zhan·· 7 小时前
SHRED：无专家示范的异构道路使用者自博弈框架
SHRED: Self-Play for Heterogeneous Road-Users without Expert Demonstrations
arXiv:2610.20866v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Wei-Jer Chang, Zhouchonghao Wu, Akshay Rangesh, Weixin Li, Masayoshi Tomizuka, Wei Zhan
研究任务与主要进展
SHRED通过大规模异构自博弈，从随机初始化联合训练车辆、行人和骑行者的交互策略，不依赖专家示范或已记录轨迹。SHRED结合类型特定动力学与目标、程序化场景生成和逐智能体随机化，并在Waymo Open Sim Agents Challenge和InterPlan基准上超过所比较的方法；消融实验显示，异构自博弈对交通真实感和规划性能均有提升。当前信息仅来自论文摘要。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org