Flow-ERD：エントロピー正則化蒸留を用いたエージェントタイプ考慮型フローマッチングによる多様な交通シミュレーション

要旨

現実的かつ多様な交通シミュレーションは自動運転開発に不可欠である。しかしながら、既存のベンチマークは主に現実性を重視しており、それに従って最近の手法も最適化されているため、多様性は十分に探求されていない。我々は、現実性と多様性を同時に追求するマルチエージェントシミュレータであるFlow-ERDを提案する。その基盤となるAgent-Type Aware Flow Matching（AFM）は、フローマッチングのマルチモーダルな表現力とタイプ固有の運動学的実行を結合する。これにより、各エージェントタイプに一貫した動作を維持しつつ、細粒度の多様性を保持する。第2段階のEntropy-Regularized Distillation（ERD）は、エントロピー正則化された逆KLダイバージェンス目的関数を用いて、閉ループロールアウト分布を微調整する。これにより、共変量シフトを軽減しつつ、高密度モードへの崩壊を明示的に防ぐ。我々は、標準的な現実性スコアとともに、ログフリーの多様性指標を用いてFlow-ERDを評価する。Flow-ERDはWOSACテストベンチマークで首位となり、再現可能なベースラインの中で現実性-多様性のパレートフロントを支配する。プロジェクトページはhttps://seulbinhwang.github.io/flow-erd-project-page/で公開している。

English

Realistic and diverse traffic simulation is essential to autonomous driving development. Yet prevailing benchmarks predominantly reward realism, and recent methods have optimized accordingly, leaving diversity underexplored. We introduce Flow-ERD, a multi-agent simulator that pursues realism and diversity jointly. Its backbone, Agent-Type Aware Flow Matching (AFM), couples flow matching's multi-modal expressiveness with type-specific kinematic execution. It preserves fine-grained diversity while keeping motions consistent with each agent type. A second stage, Entropy-Regularized Distillation (ERD), fine-tunes the closed-loop rollout distribution with an entropy-regularized reverse-KL objective. This mitigates covariate shift while explicitly preventing collapse onto high-density modes. We evaluate Flow-ERD with a log-free diversity metric alongside standard realism scores. Flow-ERD ranks first on the WOSAC test benchmark and dominates the realism--diversity Pareto front among reproducible baselines. Our project page is available https://seulbinhwang.github.io/flow-erd-project-page/{here}.