DriveSceneGen: Generating Diverse and Realistic Driving Scenarios from Scratch

要約

自動運転システムの開発と検証には、大量の現実的で多様な交通シナリオが不可欠です。
しかし、データ収集プロセスにおける多くの困難と集中的なアノテーションへの依存により、現実世界のデータセットには増大するデータ需要をサポートするのに十分な量と多様性が不足しています。
この研究では、現実世界の運転データセットから学習し、動的な運転シナリオ全体を最初から生成するデータ駆動型運転シナリオ生成手法である DriveSceneGen を紹介します。
DriveSceneGen は、高い忠実性と多様性を備えた現実世界のデータ分布に合わせた新しい運転シナリオを生成できます。
5,000 個の生成されたシナリオに関する実験結果は、現実世界のデータセットと比較して、生成の品質、多様性、およびスケーラビリティを強調しています。
私たちの知る限り、DriveSceneGen は、静的な地図要素と動的な交通参加者の両方を含む新しい運転シナリオを最初から生成する最初のメソッドです。

要約(オリジナル)

Realistic and diverse traffic scenarios in large quantities are crucial for the development and validation of autonomous driving systems. However, owing to numerous difficulties in the data collection process and the reliance on intensive annotations, real-world datasets lack sufficient quantity and diversity to support the increasing demand for data. This work introduces DriveSceneGen, a data-driven driving scenario generation method that learns from the real-world driving dataset and generates entire dynamic driving scenarios from scratch. DriveSceneGen is able to generate novel driving scenarios that align with real-world data distributions with high fidelity and diversity. Experimental results on 5k generated scenarios highlight the generation quality, diversity, and scalability compared to real-world datasets. To the best of our knowledge, DriveSceneGen is the first method that generates novel driving scenarios involving both static map elements and dynamic traffic participants from scratch.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google