经结构化自回归建模的长期交通仿真

交互式交通模拟是自动驾驶的重要世界模型。长期模拟的一个核心挑战是对持续的多智能体交互进行建模，当智能体不断进入和退出场景时，动态令牌基数会进一步加剧这一挑战。在这项工作中，我们提出解决方案在于大规模序列模型（例如大型语言模型（LLM））的架构归纳偏差和统计先验之间的协同作用。我们的探索实验表明，注意力机制的可转移性以及运动标记和自然语言之间的分布一致性使得小规模、高度冻结的大语言模型能够快速适应流量建模。基于这一见解，我们引入了 RosettaSim，这是一个统一的框架，可将场景拓扑、代理状态和生成意图投影到长度可变的结构化自回归流中，从而实现强大的短期精度和稳定的长期模拟保真度。此外，评估延长的推出还存在另一个障碍，因为随着时间的推移，一对一的代理通信不可避免地会消失。为了解决这个问题，我们引入了基于检索的流量评估（RTE），它检索语义上相似的现实世界场景作为上下文感知参考锚点。 Waymo 开放模拟代理挑战赛 (WOSAC) 的实验表明，RosettaSim 在短期和长期模拟方面均实现了最先进的性能。此外，与现有方法 ($r=0.74$) 相比，RTE 与标准指标 ($r=0.83$) 的相关性更强，这表明与长期模拟保真度的一致性得到了改善。