Adversarial and Reactive Traffic Entities for Behavior-Realistic Driving Simulation: A Review

要約

自動運転車（AVS）の認識と計画の進歩にもかかわらず、そのパフォーマンスを検証することは依然として大きな課題です。
実際の環境での計画アルゴリズムの展開は、シミュレーションと実際の交通条件の間の不一致のために、しばしば効果がないことがよくあります。
シミュレーションでAVS計画アルゴリズムを評価するには、通常、記録された現実世界のトラフィックからの運転ログを再生することが含まれます。
ただし、オフラインデータから再生されたエンティティは反応的ではなく、任意のAV行動に応答する能力が欠けており、運転ポリシーの特定の特性をテストするために敵対的な方法で振る舞うことはできません。
したがって、現実的で潜在的に敵対的なエンティティを備えたシミュレーションは、AV計画ソフトウェアの検証のための重要なタスクを表しています。
この作業では、交通シミュレーションの分野での現在の研究努力をレビューし、交通エンティティの現実的で敵対的な行動をモデル化するための高度な技術の適用に焦点を当てることを目指しています。
この作業の目的は、トラフィックエンティティの行動とシナリオ行動制御の提案されたクラスに基づいて、既存のアプローチを分類することです。
さらに、トラフィックデータセットを収集し、採用されているデフォルトのトラフィックエンティティに関する既存のトラフィックシミュレーションを調べます。
最後に、将来の研究の可能性を秘めた課題と未解決の質問を特定します。

要約(オリジナル)

Despite advancements in perception and planning for autonomous vehicles (AVs), validating their performance remains a significant challenge. The deployment of planning algorithms in real-world environments is often ineffective due to discrepancies between simulations and real traffic conditions. Evaluating AVs planning algorithms in simulation typically involves replaying driving logs from recorded real-world traffic. However, entities replayed from offline data are not reactive, lack the ability to respond to arbitrary AV behavior, and cannot behave in an adversarial manner to test certain properties of the driving policy. Therefore, simulation with realistic and potentially adversarial entities represents a critical task for AV planning software validation. In this work, we aim to review current research efforts in the field of traffic simulation, focusing on the application of advanced techniques for modeling realistic and adversarial behaviors of traffic entities. The objective of this work is to categorize existing approaches based on the proposed classes of traffic entity behavior and scenario behavior control. Moreover, we collect traffic datasets and examine existing traffic simulations with respect to their employed default traffic entities. Finally, we identify challenges and open questions that hold potential for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google