BehaviorGPT: 基于下一补丁预测的自动驾驶智能体仿真
TLDR
BehaviorGPT: 下一补丁预测实现同质自回归交通智能体仿真，赢得Waymo挑战赛冠军。
评分理由
The paper presents a novel approach that simplifies agent simulation by discarding the encoder-decoder architecture and history-future separation, achieving state-of-the-art results with minimal parameters. Its strength lies in the innovative NP3 paradigm and strong empirical validation on a real-world benchmark, though it is limited to autonomous driving scenarios and lacks broader world model claims.
Read-first 评分解释
综合优先阅读分 50.2，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 41。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：370。
关键词评分
深度分析
创新点
- 同质完全自回归Transformer，摒弃了历史与未来的分离，将每个时间步视为当前时刻进行运动生成，从而得到更简单、数据效率更高的模拟器。
- 下一补丁预测范式（NP3），训练模型在轨迹的补丁层面进行推理，捕获长程时空交互，缓解自回归建模的负面影响。
方法
BehaviorGPT是一个同质自回归Transformer，统一建模所有时间步，不区分历史与未来。它采用下一补丁预测范式（NP3）处理轨迹补丁，捕获长程时空交互。模型在Waymo Open Sim Agents挑战赛上进行评估，衡量真实性和minADE得分。
关键结果
BehaviorGPT在2024年Waymo Open Sim Agents挑战赛中以0.7473的真实性得分和1.4147的minADE得分获得第一名，仅使用3M参数。