基于结构化自回归建模的长时程交通仿真：RosettaSim 与 RTE 框架解读

背景

在自动驾驶技术的研发与验证中，交互式交通仿真扮演着“世界模型”的关键角色。它不仅能够生成逼真的驾驶场景，还能模拟复杂的交通流交互，是算法迭代和闭环测试的基础设施。然而，现有的仿真系统在长时程推演中面临两大核心痛点：一是如何持续建模多智能体之间错综复杂的交互行为；二是如何处理动态变化的 token 基数——在真实的交通场景中，车辆和行人不断进入和离开仿真视野，导致传统的基于固定维度输入的模型难以适应。

近年来，大语言模型（LLMs）在序列建模方面展现了惊人的能力，但将其直接应用于物理世界的交通仿真仍面临适配难题。本文提出的 RosettaSim 框架及其配套的 RTE 评估方法，正是为了解决长时程交通仿真中的动态交互与评估对齐问题而生。

核心内容

本文的核心主张在于：解决长时程交通仿真的关键在于利用大规模序列模型（如 LLMs）的架构归纳偏置与统计先验之间的协同作用。

研究人员的探测实验揭示了一个重要发现：注意力机制具有极强的可迁移性，且运动 token 的分布与自然语言具有内在的一致性。这意味着，即便是小规模的、绝大部分参数被冻结的 LLM，也能够快速适应交通建模任务，而无需进行全参数的重头训练。