Language-Driven Interactive Traffic Trajectory Generation

实现自然语言控制的现实轨迹生成对于推进自动驾驶技术至关重要。然而，以往的方法都是专注于单个交通参与者轨迹生成，因此未能考虑到交互式交通动态的复杂性。在本文中，我们提出了InteractTraj，这是第一个能够生成交互式交通轨迹的语言驱动交通轨迹生成器。InteractTraj将抽象的轨迹描述解释为具体的格式化的交互感知数字代码，并学习这些格式化代码与最终交互式轨迹之间的映射关系。为了解释语言描述，我们提出了一种具有新颖交互感知编码策略的语言到代码编码器。为了生成交互式交通轨迹，我们提出了一个具有交互感知特征聚合的代码到轨迹解码器，该解码器将车辆交互与环境地图和车辆移动相结合。广泛的实验表明，我们的方法表现优于以往的SoTA方法，通过多样化的自然语言命令提供了更真实的交互式交通轨迹生成，具有高可控性。我们的代码可在https://github.com/X1a-jk/InteractTraj.git上获取。

论文试图解决交互式交通轨迹生成的问题，提出了一种可以生成交互式交通轨迹的语言驱动生成器。这是否是一个新问题？

论文提出了InteractTraj，一种可以将抽象轨迹描述转化为交互感知的数值代码，并学习这些代码与最终交互式轨迹之间的映射的生成器。为了解释语言描述，论文提出了一种具有新颖的交互感知编码策略的语言到代码编码器。为了生成交互式交通轨迹，论文提出了一种代码到轨迹解码器，其中包括交互感知特征聚合，将车辆交互与环境地图和车辆移动相结合。相比当前这个领域的研究状况，这篇论文的思路有什么新意？

论文提出的InteractTraj可以生成更加真实的交互式交通轨迹，并且可以通过多样的自然语言命令进行高度可控的生成。论文的实验结果表明，该方法比之前的最优方法表现更好。论文提供了开源代码，可在https://github.com/X1a-jk/InteractTraj.git上找到。这篇论文的工作值得进一步深入研究。

最近的相关研究包括：1）基于规则的交互式轨迹生成方法，如交通仿真等；2）基于深度学习的轨迹生成方法，如Seq2Seq等。