LCSim: A Large-Scale Controllable Traffic Simulator

要約

都市輸送の急速な成長と自律運転の継続的な進歩により、自律運転アルゴリズムの堅牢なベンチマークの需要が浮上し、多様な車両駆動スタイルを備えた大規模な都市交通シナリオの正確なモデリングを求めています。
SUMOなどの従来のトラフィックシミュレーターは、多くの場合、手作りのシナリオとルールベースのモデルに依存します。このモデルでは、車両のアクションが速度調整とレーンの変更に限定されているため、現実的な交通環境を作成することが困難です。
近年、現実世界のトラフィックシナリオデータセットが自律運転の進歩とともに開発され、データ駆動型シミュレーターと学習ベースのシミュレーション方法の台頭が促進されています。
ただし、現在のデータ駆動型シミュレーターは、依存しているデータセット内のトラフィックシナリオと運転スタイルの複製に制限されていることが多く、現実世界で観察されるマルチスタイルの運転行動をモデル化する能力を制限します。
大規模な制御可能なトラフィックシミュレーターである\ textit {lcsim}を提案します。
まず、トラフィックシナリオの統一データ形式を定義し、複数のデータソースからそれらを構築するツールを提供し、大規模なトラフィックシミュレーションを可能にします。
さらに、拡散ベースの車両モーションプランナーをLCSIMに統合して、現実的で多様な車両モデリングを促進します。
特定のガイダンスの下で、これにより、さまざまな運転スタイルを反映するトラフィックシナリオの作成が可能になります。
これらの機能を活用するLCSIMは、大規模で現実的で制御可能な仮想トラフィック環境を提供できます。
コードとデモはhttps://tsinghua-fib-lab.github.io/lcsimで入手できます。

要約(オリジナル)

With the rapid growth of urban transportation and the continuous progress in autonomous driving, a demand for robust benchmarking autonomous driving algorithms has emerged, calling for accurate modeling of large-scale urban traffic scenarios with diverse vehicle driving styles. Traditional traffic simulators, such as SUMO, often depend on hand-crafted scenarios and rule-based models, where vehicle actions are limited to speed adjustment and lane changes, making it difficult for them to create realistic traffic environments. In recent years, real-world traffic scenario datasets have been developed alongside advancements in autonomous driving, facilitating the rise of data-driven simulators and learning-based simulation methods. However, current data-driven simulators are often restricted to replicating the traffic scenarios and driving styles within the datasets they rely on, limiting their ability to model multi-style driving behaviors observed in the real world. We propose \textit{LCSim}, a large-scale controllable traffic simulator. First, we define a unified data format for traffic scenarios and provide tools to construct them from multiple data sources, enabling large-scale traffic simulation. Furthermore, we integrate a diffusion-based vehicle motion planner into LCSim to facilitate realistic and diverse vehicle modeling. Under specific guidance, this allows for the creation of traffic scenarios that reflect various driving styles. Leveraging these features, LCSim can provide large-scale, realistic, and controllable virtual traffic environments. Codes and demos are available at https://tsinghua-fib-lab.github.io/LCSim.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google