Gradient-based Trajectory Optimization with Parallelized Differentiable Traffic Simulation

要約

ドライバーの行動を主要な変数として組み込んだ車追従フレームワークであるインテリジェント ドライバー モデル (IDM) に基づく並列微分可能な交通シミュレーターを紹介します。
当社のシミュレーターは車両の動きを効率的にモデル化し、実世界のデータに適合するように監視できる軌道を生成します。
IDM パラメータは、微分可能な性質を利用して、勾配ベースの方法を使用して最適化されます。
最大 200 万台の車両をリアルタイムでシミュレートできるこのシステムは、大規模な軌道最適化に対応できる拡張性を備えています。
シミュレーターを使用して、入力軌道のノイズをフィルター処理し (軌道フィルター処理)、疎な軌道から密な軌道を再構築し (軌道再構成)、生成されたすべての軌道が物理法則に準拠して将来の軌道を予測 (軌道予測) できることを示します。
NGSIM や Waymo Open Dataset を含むいくつかのデータセットでシミュレーターとアルゴリズムを検証します。

要約(オリジナル)

We present a parallelized differentiable traffic simulator based on the Intelligent Driver Model (IDM), a car-following framework that incorporates driver behavior as key variables. Our simulator efficiently models vehicle motion, generating trajectories that can be supervised to fit real-world data. By leveraging its differentiable nature, IDM parameters are optimized using gradient-based methods. With the capability to simulate up to 2 million vehicles in real time, the system is scalable for large-scale trajectory optimization. We show that we can use the simulator to filter noise in the input trajectories (trajectory filtering), reconstruct dense trajectories from sparse ones (trajectory reconstruction), and predict future trajectories (trajectory prediction), with all generated trajectories adhering to physical laws. We validate our simulator and algorithm on several datasets including NGSIM and Waymo Open Dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google