TrafficBots：面向自动驾驶仿真与运动预测的世界模型

ICRA 23 2023 70 method, application

TLDR

TrafficBots将数据驱动的交通仿真表述为自动驾驶的世界模型，实现了可配置且可扩展的多智能体仿真与运动预测。

评分理由

The paper presents a novel world model for autonomous driving simulation, addressing configurability via destination and personality, and scalability via new positional encoding. Strengths include clear formulation and practical experiments on Waymo dataset. Weaknesses include limited evaluation to motion prediction and lack of full generative or interactive capabilities.

Read-first 评分解释

综合优先阅读分 70，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 45。

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：数据集、GitHub

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集、实验、结果

近期性 8%

65.1

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2023

主题相关性 42%

64.3

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：147。

关键词评分

world model

world simulator

world dynamics prediction

generative world model

interactive world model

model-based reinforcement learning world model

video world model

深度分析

创新点

将数据驱动的交通仿真表述为专为自动驾驶规划定制的世界模型
为每个智能体引入目的地和时间不变潜在个性以实现可配置行为
一种新的角度位置编码方案，允许所有智能体共享相同的向量化上下文并使用点积注意力，提高了可扩展性

方法

TrafficBots是一种基于运动预测和端到端驾驶的多智能体策略。它使用每个智能体的目的地和潜在个性来实现可配置行为，并采用新颖的角度位置编码以实现共享向量化上下文和点积注意力。该模型在Waymo开放运动数据集上进行训练和评估。

关键结果

TrafficBots模拟了逼真的多智能体行为，并在Waymo开放运动数据集上的运动预测任务中取得了良好性能。

资源

论文代码