Controllable Safety-Critical Closed-loop Traffic Simulation via Guided Diffusion

要約

自動運転車計画アルゴリズムのパフォーマンスを評価するには、ロングテール交通シナリオのシミュレーションが必要です。
安全性が重要なシナリオを生成する従来の方法では、現実性や制御性の点で不十分なことがよくあります。
さらに、これらの手法は通常、エージェントの相互作用のダイナミクスを無視します。
これらの制限を軽減するために、誘導拡散モデルに基づいた新しい閉ループ シミュレーション フレームワークを導入します。
私たちのアプローチは 2 つの明確な利点をもたらします。1) 現実世界の状況を厳密にエミュレートする現実的なロングテール シナリオの生成、2) 制御性の強化により、より包括的でインタラクティブな評価が可能になります。
私たちは、衝突率やオフロード率を下げながら道路の進行を促進する新しい誘導目標を通じてこれを達成します。
私たちは、ノイズ除去プロセスで敵対的な用語を通じて安全性が重要なシナリオをシミュレートする新しいアプローチを開発しました。これにより、シーン内のすべてのエージェントが反応的で現実的な行動を示しながら、敵対的なエージェントがもっともらしい操作でプランナーに挑戦できるようになります。
NuScenes データセットを使用してフレームワークを実験的に検証し、リアリズムと制御性の両方の向上を実証します。
これらの発見は、ガイド付き拡散モデルが安全性が重要なインタラクティブな交通シミュレーションのための堅牢かつ多用途の基盤を提供し、その有用性を自動運転のより広範な領域に拡張することを裏付けています。
追加のリソースとデモについては、プロジェクト ページ (https://safe-sim.github.io) をご覧ください。

要約(オリジナル)

Evaluating the performance of autonomous vehicle planning algorithms necessitates simulating long-tail traffic scenarios. Traditional methods for generating safety-critical scenarios often fall short in realism and controllability. Furthermore, these techniques generally neglect the dynamics of agent interactions. To mitigate these limitations, we introduce a novel closed-loop simulation framework rooted in guided diffusion models. Our approach yields two distinct advantages: 1) the generation of realistic long-tail scenarios that closely emulate real-world conditions, and 2) enhanced controllability, enabling more comprehensive and interactive evaluations. We achieve this through novel guidance objectives that enhance road progress while lowering collision and off-road rates. We develop a novel approach to simulate safety-critical scenarios through an adversarial term in the denoising process, which allows the adversarial agent to challenge a planner with plausible maneuvers, while all agents in the scene exhibit reactive and realistic behaviors. We validate our framework empirically using the NuScenes dataset, demonstrating improvements in both realism and controllability. These findings affirm that guided diffusion models provide a robust and versatile foundation for safety-critical, interactive traffic simulation, extending their utility across the broader landscape of autonomous driving. For additional resources and demonstrations, visit our project page at https://safe-sim.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google