LitSim: A Conflict-aware Policy for Long-term Interactive Traffic Simulation

要約

シミュレーションは、路上試験と比較して高効率で低コストという利点があるため、自動運転システムの性能を評価する際に極めて重要です。
シミュレーションと現実世界の間のギャップを埋めるには、現実的なエージェントの動作が必要です。
ただし、既存の作業には、この目標を達成するには次のような欠点があります。(1) ログの再生は現実的なシナリオを提供しますが、動的な相互作用がないため、多くの場合衝突が発生します。(2) ヒューリスティック ベースのソリューションとデータ ベースのソリューションの両方。
パラメータ化され、実世界のデータセットでトレーニングされ、相互作用を促進しますが、長期的には実世界のデータから逸脱することがよくあります。
この研究では、ログへの介入を最小限に抑えることでリアリズムを最大化する長期対話型シミュレーション アプローチである LitSim を提案します。
具体的には、私たちのアプローチは主にログの再生を使用して現実性を確保し、潜在的な競合を防ぐために必要な場合にのみ介入します。
次に、エージェント間の対話を促進し、競合を解決することで、非現実的な行動のリスクを軽減します。
私たちは実世界のデータセット NGSIM でモデルをトレーニングおよび検証し、実験結果は、現実性と反応性の点で LitSim が現在一般的なアプローチよりも優れていることを示しています。

要約(オリジナル)

Simulation is pivotal in evaluating the performance of autonomous driving systems due to the advantages of high efficiency and low cost compared to on-road testing. Bridging the gap between simulation and the real world requires realistic agent behaviors. However, the existing works have the following shortcomings in achieving this goal: (1) log replay offers realistic scenarios but often leads to collisions due to the absence of dynamic interactions, and (2) both heuristic-based and data-based solutions, which are parameterized and trained on real-world datasets, encourage interactions but often deviate from real-world data over long horizons. In this work, we propose LitSim, a long-term interactive simulation approach that maximizes realism by minimizing the interventions in the log. Specifically, our approach primarily uses log replay to ensure realism and intervenes only when necessary to prevent potential conflicts. We then encourage interactions among the agents and resolve the conflicts, thereby reducing the risk of unrealistic behaviors. We train and validate our model on the real-world dataset NGSIM, and the experimental results demonstrate that LitSim outperforms the currently popular approaches in terms of realism and reactivity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google