Flow-ERD: エージェント種別を考慮したフローマッチングとエントロピー正則化蒸留による多様な交通シミュレーション
Flow-ERD: Agent-type Aware Flow Matching with Entropy-Regularized Distillation for Diverse Traffic Simulation
現実的かつ多様な交通シミュレーションを実現するため、エージェント種別を考慮したフローマッチングとエントロピー正則化蒸留を組み合わせた手法を提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Seulbin Hwang, Kiyoung Om, Daejung Kim, Jinhan Lee
分類: cs.RO, cs.LG
原文アブストラクト
Realistic and diverse traffic simulation is essential to autonomous driving development. Yet prevailing benchmarks predominantly reward realism, and recent methods have optimized accordingly, leaving diversity underexplored. We introduce \textbf{Flow-ERD}, a multi-agent simulator that pursues realism and diversity jointly. Its backbone, \textbf{Agent-Type Aware Flow Matching} (AFM), couples flow matching's multi-modal expressiveness with type-specific kinematic execution. It preserves fine-grained diversity while keeping motions consistent with each agent type. A second stage, \textbf{Entropy-Regularized Distillation} (ERD), fine-tunes the closed-loop rollout distribution with an entropy-regularized reverse-KL objective. This mitigates covariate shift while explicitly preventing collapse onto high-density modes. We evaluate Flow-ERD with a log-free diversity metric alongside standard realism scores. Flow-ERD ranks first on the WOSAC test benchmark and dominates the realism--diversity Pareto front among reproducible baselines. Our project page is available \href{https://seulbinhwang.github.io/flow-erd-project-page/}{here}.
関連論文
- SHRED: 専門家デモンストレーションなしの異種道路利用者のための自己対戦交通シミュレーション
- DiTSG: マルチエージェント拡散トランスフォーマーによる文脈認識型航空交通シーン生成交通シミュレーション
- 信号交差点の閉ループマイクロシミュレーションのための生成モデル交通シミュレーション
- 多交差点都市交通のためのコリドースケールCARLA-VISSIM共シミュレーションフレームワーク交通シミュレーション
- 閉ループ交通モデリングにおける局所観測と大域シミュレーションの橋渡し交通シミュレーション
- RLFTSim: 強化学習による微調整で実現する現実的かつ制御可能なマルチエージェント交通シミュレーション交通シミュレーション
