A multiagent social interaction model for autonomous vehicle testing
Notice bibliographique
Résumé
Social interaction capability (SIC) is essential for autonomous vehicles (AVs) when they interact with surrounding vehicles, as the ability of understanding and reacting to the behaviors of other road users can significantly enhance AVs’ rapid deployment. Virtual simulation testing is a core approach for evaluating AVs, including their SIC, on the basis of traffic simulation models. However, existing simulation models focus mainly on generating accurate vehicle trajectories and do not explicitly model the high-level sociality nature of interaction decisions that guide specific movements. This study aims to address this gap by developing a multiagent simulation model for the social interaction of human driving behavior on the basis of the multiagent imitation learning (MAIL) approach, which is referred to as the Social-MAIL model. Specifically, to quantify the sociality of decisions, we introduce social value orientation into the reward function to quantify cooperation or competition intent and guide the generation of social driving behaviors. Furthermore, to fully depict the complex interaction environment, we develop a heterogeneous policy network with temporal‒spatial attention mechanisms to describe the impact of multiple interactive objects and historical states on driving behavior. Through training and validation on the SinD dataset, we demonstrate that, compared with a set of baseline models, the proposed Social-MAIL model can accurately capture complex and time-varying social intent and reproduce the most realistic vehicle trajectories and macroscopic traffic flow characteristics at intersections. Moreover, we apply the Social-MAIL model for evaluating the SIC of AVs via comparison experiments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».