أصبحت نمذجة حركة المرور وتخطيط القيادة الذاتية من الطموحات التي تتطلب فهمًا دقيقًا لتفاعلات المستخدمين المختلفين في الطريق. بينما كانت الأساليب السابقة تعتمد بشكل أساس على دروس القيادة البشرية الواسعة، يأتي نظام SHRED ليغير قواعد اللعبة.

يتمحور نظام SHRED حول فكرة اللعب الذاتي (self-play) بين المركبات والمشاة وراكبي الدراجات، حيث يتم تدريبهم بشكل متزامن من نقطة البداية العشوائية، بدون الحاجة إلى تجارب سابقة أو إعادة تشغيل مسارات مسجلة. يدمج SHRED ديناميكيات وأهداف خاصة بنوع كل عنصر، مع توليد سيناريوهات إجراءات عشوائية، مما يسمح بظهور سلوكيات متنوعة من خلال التفاعل المغلق.

في التحدي المفتوح لوكلاء وايمو (Waymo Open Sim Agents Challenge - WOSAC)، أظهر SHRED قدرته على التحكم في جميع أنواع مستخدمي الطريق الثلاثة، متفوقًا على المعايير السابقة التي تعتمد على اللعب الذاتي المجرد، وكذلك أساليب اللعب الذاتي التي تستخدم سياسات مرجعية قائمة على التجارب السابقة.

تنافس SHRED أيضًا بنجاح في تقييمات التخطيط على معايير تفاعلية مثل InterPlan، حيث تفوق في الأداء على جميع المخططين المقارنين. تؤكد التجارب المراقبة أن التنوع في اللعب الذاتي يعزز من واقعية حركة المرور وكفاءة التخطيط، خصوصًا في السيناريوهات العالية التفاعل. من خلال هذه النتائج، يثبت SHRED أنه نهج قابل للتطوير يتجاوز الحاجة إلى التجارب السابقة، مما يفتح آفاقًا جديدة في تعلم السلوكيات التفاعلية الواقعية في حركة المرور.