SHRED：异构道路使用者自博弈框架

2026年10月16日，arXiv Robotics 出现由 Wei-Jer Chang 等作者提交的论文，提出 SHRED 框架。据该报道，SHRED 通过大规模异构自博弈，从随机初始化联合训练车辆、行人和骑行者三类道路使用者，无需专家演示数据，也不使用轨迹回放。报道称，在 Waymo Open Sim Agents Challenge（WOSAC）上，SHRED 同时控制这三类道路使用者，表现超过最接近的无演示自博弈基线，也超过此前使用演示训练参考策略的自博弈方法。目前该事件仅有这一篇报道，尚无后续跟进或不同说法，上述性能比较结果均来自论文作者自述，未见到独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。