HAD-Gen: Human-like and Diverse Driving Behavior Modeling for Controllable Scenario Generation
Created by
Haebom
Category
Empty
저자
Cheng Wang, Lingxin Kong, Massimiliano Tamborski, Stefano V. Albrecht
개요
HAD-Gen은 다양한 인간과 유사한 운전 행동을 시뮬레이션하는 현실적인 교통 시나리오 생성을 위한 일반적인 프레임워크입니다. 차량 궤적 데이터를 안전 기능에 따라 여러 운전 스타일로 클러스터링하고, 각 클러스터에 최대 엔트로피 역강화 학습을 적용하여 각 운전 스타일에 해당하는 보상 함수를 학습합니다. 이러한 보상 함수를 사용하여 오프라인 강화 학습 사전 훈련과 다중 에이전트 강화 학습 알고리즘을 통합하여 일반적이고 견고한 운전 정책을 얻습니다. 다각적인 시뮬레이션 결과는 제안된 시나리오 생성 프레임워크가 강력한 일반화 능력을 가진 다양하고 인간과 유사한 운전 행동을 시뮬레이션할 수 있음을 보여줍니다. 제안된 프레임워크는 일반화 테스트에서 90.96%의 목표 달성률, 2.08%의 이탈률, 6.91%의 충돌률을 달성하여 기존 방법보다 목표 달성 성능이 20% 이상 향상되었습니다. 소스 코드는 https://github.com/RoboSafe-Lab/Sim4AD 에서 공개됩니다.
