Versatile Behavior Diffusion for Generalized Traffic Agent Simulation

要約

既存の交通シミュレーション モデルでは、現実世界のシナリオの複雑さを捉えることができないことが多く、自動運転システムの効果的な評価が制限されています。
拡散生成モデルを利用して、閉ループ設定におけるシーン一貫性のある制御可能なマルチエージェント インタラクションを予測する、新しい交通シナリオ生成フレームワークである Versatile Behavior Diffusion (VBD) を紹介します。
VBD は、Waymo Sim Agents Benchmark で最先端のパフォーマンスを実現し、さまざまな環境条件下での複雑なエージェントの相互作用により、現実的で一貫したトラフィック動作を効果的に生成できます。
さらに、VBD は、動作事前分布とモデルベースの最適化目標に基づいた複数ステップの調整を通じて、推論時のシナリオ編集を提供します。
この機能により、制御可能なマルチエージェント動作の生成が可能になり、さまざまな交通シミュレーション アプリケーションにわたる幅広いユーザー要件に対応できます。
典型的な交通状況を表す公的に利用可能なデータセットのみを使用してトレーニングされているにもかかわらず、自動運転車の包括的なテストと検証に不可欠な、インタラクティブなロングテールの安全性が重要なシナリオの作成を可能にする、競合事前およびゲーム理論に基づいたガイダンス アプローチを導入しています。
。
最後に、拡散ベースの交通シナリオ生成モデルの効果的なトレーニングと推論戦略についての深い洞察を提供し、ベスト プラクティスと一般的な落とし穴を強調します。
私たちの取り組みにより、複雑な交通環境をシミュレートする能力が大幅に進歩し、自動運転技術の開発と評価のための強力なツールが提供されます。

要約(オリジナル)

Existing traffic simulation models often fail to capture the complexities of real-world scenarios, limiting the effective evaluation of autonomous driving systems. We introduce Versatile Behavior Diffusion (VBD), a novel traffic scenario generation framework that utilizes diffusion generative models to predict scene-consistent and controllable multi-agent interactions in closed-loop settings. VBD achieves state-of-the-art performance on the Waymo Sim Agents Benchmark and can effectively produce realistic and coherent traffic behaviors with complex agent interactions under diverse environmental conditions. Furthermore, VBD offers inference-time scenario editing through multi-step refinement guided by behavior priors and model-based optimization objectives. This capability allows for controllable multi-agent behavior generation, accommodating a wide range of user requirements across various traffic simulation applications. Despite being trained solely on publicly available datasets representing typical traffic conditions, we introduce conflict-prior and game-theoretic guidance approaches that enable the creation of interactive, long-tail safety-critical scenarios, which is essential for comprehensive testing and validation of autonomous vehicles. Lastly, we provide in-depth insights into effective training and inference strategies for diffusion-based traffic scenario generation models, highlighting best practices and common pitfalls. Our work significantly advances the ability to simulate complex traffic environments, offering a powerful tool for the development and assessment of autonomous driving technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google