Gradient-based Trajectory Optimization with Parallelized Differentiable Traffic Simulation

要約

インテリジェントドライバーモデル（IDM）に基づいた並列化された微分可能なトラフィックシミュレーターを提示します。これは、ドライバーの動作を主要な変数として組み込んだ車に従うフレームワークです。
当社の車両シミュレーターは、車両の動きを効率的にモデル化し、実際のデータに適合するように監視できる軌跡を生成します。
微分可能性を活用することにより、IDMパラメーターは勾配ベースの方法を使用して最適化されます。
リアルタイムで最大200万台の車両をシミュレートする機能により、このシステムは大規模な軌跡の最適化のためにスケーラブルです。
シミュレーターを使用して、入力軌跡（軌跡フィルタリング）のノイズをフィルタリングし、スパースの軌跡（軌跡の再構成）から密な軌跡を再構築し、身体法に付着したすべての生成された軌道で将来の軌跡（軌跡予測）を予測できることを示します。
NGSIMやWaymo Open Datasetなど、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。
このコードは、https：//github.com/sonsang/diffidmで公開されています。

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 vehicle 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. The code is publicly available at: https://github.com/SonSang/diffidm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google