English(EN) RLFTSim: Realistic and Controllable Multi-Agent Traffic Simulation via Reinforcement Learning Fine-Tuning

RLFTSim 通过强化学习提升交通仿真真实感

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-18 18:57

研究人员开发了 RLFTSim，一个用于创建更真实、更可控的多智能体交通仿真的新框架。该系统利用强化学习对现有仿真模型进行微调，使其输出与真实世界驾驶数据分布保持一致。在 Waymo Open Motion Dataset 上的实验表明，RLFTSim 实现了最先进的真实感，并且由于其奖励设计，所需的样本数量少于其他方法。 AI

影响增强了交通仿真的真实感和可控性，可能改进自动驾驶汽车的训练和测试。

排序理由该集群包含一篇详细介绍新仿真框架的学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.MA (Multiagent) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.MA (Multiagent) TIER_1 English(EN) · Kasra Rezaee · 2026-05-18 18:57

RLFTSim: Realistic and Controllable Multi-Agent Traffic Simulation via Reinforcement Learning Fine-Tuning

Supervised open-loop training has been widely adopted for training traffic simulation models; however, it fails to capture the inherently dynamic, multi-agent interactions common in complex driving scenarios. We introduce RLFTSim, a reinforcement-learning-based fine-tuning framew…

报道来源 [1]

RLFTSim: Realistic and Controllable Multi-Agent Traffic Simulation via Reinforcement Learning Fine-Tuning

相关实体

相关话题