視覺-語言-動作（VLA）模型作為端到端運動規劃器表現出色，但在閉環評估中往往表現脆弱，這主要是因為它們是在傳統模仿學習框架下訓練的。現有的閉環監督方法缺乏可擴展性，並且無法完全模擬反應式環境。為此，研究人員提出了MAPLE（潛在多智能體博弈），這是一個新穎的框架，用於在VLA模型的潛在空間中對動態駕駛場景進行反應式多智能體展開。在MAPLE中，自車和附近的交通智能體在多步時間跨度內獨立控制，同時對場景中的其他智能體保持反應性，從而實現閉環訓練。
MAPLE包含兩個訓練階段：第一階段，基於真實軌跡對潛在展開進行監督微調；第二階段，使用強化學習，結合全局獎勵和智能體特定獎勵，這些獎勵鼓勵安全性、進度和交互真實性。此外，研究人員還引入了多樣性獎勵，鼓勵模型生成可能不包含在記錄駕駛數據中的規劃行為。值得注意的是，MAPLE的閉環訓練框架是可擴展的，並且不需要外部模擬器，因為外部模擬器運行成本高，且與現實世界的視覺保真度有限。
實驗表明，MAPLE在Bench2Drive基準測試上取得了最先進的駕駛性能。該工作展示了可擴展的閉環多智能體博弈對於構建魯棒的端到端自動駕駛系統的潛力。論文共有19頁，包含9張圖，是NeurIPS 2026的投稿作品，發表於arXiv，主題涵蓋機器人學（cs.RO）和計算機視覺與模式識別（cs.CV）。該論文由Rajeev Yasarla等12位作者完成，於2026年5月13日提交，目前可在arXiv上獲取全文。MAPLE的核心創新在於將多智能體博弈引入潛在空間，避免了傳統模擬器的侷限，為端到端自動駕駛的閉環訓練提供了一種高效且可擴展的解決方案。