Controllable Sim Agents with Behavior Latents
作者: Juanwu Lu, Junyu Zhu, Ziran Wang
分类: cs.RO, cs.LG
发布日期: 2026-07-02
备注: 23 pages, 5 tables, 8 figures
💡 一句话要点
提出可控神经变分代理以解决交通模拟中的行为可控性问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 交通模拟 可控代理 神经网络 行为潜变量 自动驾驶 安全性测试
📋 核心要点
- 现有的交通模拟方法在行为可控性和现实性方面存在不足，难以满足工程师的需求。
- 论文提出的CNeVA框架通过学习每个代理的高斯行为潜变量，实现了对模拟代理的可控性。
- 在Waymo开放运动数据集上，CNeVA展现了优越的现实性和可控性，超越了现有的模仿模型。
📝 摘要（中文）
现实交通模拟需要能够模仿记录行为并沿可解释轴线进行引导的代理。这样的可控性使工程师能够隔离变量、重现特定边缘案例，并在没有现实世界风险的情况下测试自主系统。我们提出了可控神经变分代理（CNeVA），这是一个可控的模拟代理框架，通过闭式共轭变分更新从每个代理的每通道折扣回报中推断出高斯行为潜变量，条件是经过混合通道掩码课程训练的修正流轨迹生成器。为了解决奖励信号稀缺的问题，我们提出了软资格门，替代硬二元阈值，采用平滑的指数衰减，保留近阈值代理的梯度信号。在Waymo开放运动数据集上，CNeVA在基准测试中达到了竞争性的现实性，同时展现了高排名模仿模型所缺乏的每通道可控性。
🔬 方法详解
问题定义：本论文旨在解决交通模拟中代理行为的可控性问题。现有方法在模拟真实交通行为时，往往缺乏对行为的精确控制，导致难以重现特定场景或测试自主系统的安全性。
核心思路：CNeVA框架的核心思想是通过闭式共轭变分更新，从每个代理的折扣回报中推断出高斯行为潜变量，并利用修正流轨迹生成器进行引导，从而实现对代理行为的可控性。
技术框架：CNeVA的整体架构包括行为潜变量的推断模块、修正流轨迹生成器和软资格门设计。通过混合通道掩码课程训练，提升了模型的引导能力和可控性。
关键创新：CNeVA的主要创新在于引入了软资格门，替代了传统的硬阈值设计，使得近阈值代理能够保留梯度信号，从而提升了学习效率和可控性。
关键设计：论文中采用了高斯行为潜变量的推断机制，设计了基于混合通道掩码的流轨迹生成器，并通过软资格门实现了平滑的奖励信号衰减，确保了模型在接近阈值时的稳定性。
🖼️ 关键图片
📊 实验亮点
在Waymo开放运动数据集上，CNeVA达到了竞争性的现实性，展现了每通道的可控性，超越了现有的高排名模仿模型。通过速度和加速度的引导，模型实现了单调响应，避免了奖励黑客问题，安全可控性显著提升。
🎯 应用场景
该研究具有广泛的应用潜力，尤其在自动驾驶、智能交通系统和虚拟现实等领域。通过提供可控的交通模拟，工程师可以在安全的环境中测试和优化自主系统，提高其在复杂场景下的表现和安全性。未来，该技术可能推动更智能的交通管理和自动驾驶技术的发展。
📄 摘要（原文）
Realistic traffic simulation requires agents that imitate logged behavior and can also be steered along interpretable axes. Such controllability enables engineers to isolate variables, reproduce specific edge cases, and test autonomous systems without real-world risk. We introduce Controllable Neural Variational Agents (CNeVA), a controllable simulated-agent framework that learns to infer a per-agent Gaussian behavior latent from per-channel discounted returns via a closed-form conjugate variational update, conditioning a rectified-flow trajectory generator trained on a mixed channel-mask curriculum for classifier-free guidance. To tackle scarcity in reward signals, we propose soft eligibility gates that replace hard binary thresholds with smooth exponential decay, preserving the gradient signal for near-threshold agents. On the Waymo Open Motion Dataset, CNeVA attains competitive realism on the benchmark while exposing per-channel controllability that the higher-ranked imitation models lack. Speed- and acceleration-based steering produces monotone responses without stall-induced reward hacking. Safety controllability is monotone and substantial with the introduction of soft eligibility. We manage to achieve steerable map compliance under a context-residual return measure. Furthermore, our experiment demonstrates that steering metrics must be read alongside physical-plausibility guardrails to avoid reward-hacking confounds.