PCG-based Static Underground Garage Scenario Generation

要約

自動運転技術にはL0からL5までの5つのレベルがある。
現時点ではL2レベル（部分自動化）までしか達成できておらず、最終レベルのL5（完全自動化）に至るまでの道のりは長い。
これらのレベルを超える鍵は、自動運転モデル​​のトレーニングにあります。
ただし、現実世界の道路データのみに依存してモデルをトレーニングするだけでは十分ではなく、大量のリソースを消費します。
現実世界のシナリオをシミュレートするシミュレーターを通じて自動運転モデル​​をトレーニングする例はすでにありますが、これらのシナリオは完全に手動で構築する必要があります。
道路網フォーマットから 3D シーンを直接変換すると、詳細が大幅に欠如し、トレーニング セットとして使用できません。
地下駐車場の静的シナリオ シミュレーションは、手続き型コンテンツ生成 (PCG) 問題と見なされます。
このペーパーでは、Sarsa アルゴリズムを使用して、地下ガレージ構造での手続き型コンテンツ生成を解決します。

要約(オリジナル)

Autonomous driving technology has five levels, from L0 to L5. Currently, only the L2 level (partial automation) can be achieved, and there is a long way to go before reaching the final level of L5 (full automation). The key to crossing these levels lies in training the autonomous driving model. However, relying solely on real-world road data to train the model is far from enough and consumes a great deal of resources. Although there are already examples of training autonomous driving models through simulators that simulate real-world scenarios, these scenarios require complete manual construction. Directly converting 3D scenes from road network formats will lack a large amount of detail and cannot be used as training sets. Underground parking garage static scenario simulation is regarded as a procedural content generation (PCG) problem. This paper will use the Sarsa algorithm to solve procedural content generation on underground garage structures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google