AutoWorld: обучение мультиагентскому имитации движения с использованием самообучением мировых моделей

arXiv: 2603/28963v3 Тип уведомления: заменить резюме: имитация с помощью реалистических транспортных агентов имеет важное значение для проверки автономных систем управления транспортным средством. Существующие моделирующие с помощью данных имитаторы учатся поведению агентов на более высоких уровнях абстракций, таких как 3D-образные коробки и полилайны, вычисляемые трубопроводами восходящего восприятия. Эти потери в абстракции удаляют сенсорный контекст, который непосредственно формирует поведение агента, ограничивая распределительный реализм, который имитация стремится воспроизвести. Для устранения этого ограничения мы предлагаем AutoWorld — систему моделирования движения, которая определяет поведение агента в наблюдениях первичных датчиков с помощью самоконтроля мировой модели, подготовленной на данных LIDAR. Учитывая образцы мировой модели, AutoWorld создает тяжёлый контекст прогнозирования сцен в качестве вклада в многоагентную модель движения. Кроме того, мы разработали скрытую цель наблюдения, которая обогащает скрытое представление AutoWorld о динамике сцен. Чтобы лучше использовать это скрытое пространство