본 논문은 자율주행 차량의 평가를 위한 새로운 반응형 폐루프 계획 벤치마크인 nuPlan-R을 소개한다. 기존 벤치마크가 규칙 기반의 반응형 에이전트(예: IDM)에 의존하여 현실적인 인간 상호 작용을 포착하지 못하는 문제를 해결하기 위해, 학습 기반의 반응형 다중 에이전트 시뮬레이션을 nuPlan 프레임워크에 통합했다. 노이즈 디커플링 확산 기반 반응형 에이전트를 사용하고 상호 작용 인식 에이전트 선택 메커니즘을 도입하여 현실성과 계산 효율성을 모두 확보했다. 또한, 두 가지 추가 메트릭을 통해 계획 성능을 보다 포괄적으로 평가할 수 있도록 했다. 실험 결과, 제안된 반응형 에이전트 모델이 더욱 현실적이고 다양하며 인간과 유사한 교통 행동을 생성하여, 실제 운전을 더 잘 반영하는 벤치마크 환경을 구축했음을 확인했다. 다양한 계획 접근 방식을 nuPlan-R에서 재구현하여 복잡한 상호 작용 시나리오에서 플래너 성능을 명확하게 보여주었으며, 학습 기반 플래너의 장점을 강조했다. 본 연구는 nuPlan-R을 공정하고 반응적이며 현실적인 폐루프 계획 평가를 위한 새로운 표준으로 제시한다.
