MultiDrive: A Co-Simulation Framework Bridging 2D and 3D Driving Simulation for AV Software Validation

要約

シミュレーションを使用したシナリオベースのテストは、自律車両（AVS）ソフトウェア検証の基礎です。
これまでのところ、開発者は、シナリオスペースを効率的に調査するために、低忠実度の2Dシミュレータを選択し、関連するシナリオをより詳細に研究するために高忠実度の3Dシミュレーターを選択する必要があり、SIMからリアルギャップを軽減しながらテストコストを削減する必要がありました。
このペーパーでは、モーションプランニングアルゴリズムの開発のための低忠実度と高忠実度のシミュレータ全体でシナリオベースのテストをサポートするために、マルチエージェントの共産と手続き上のシナリオ生成を活用する新しいフレームワークを紹介します。
私たちのフレームワークは、シミュレーターと実験の実行、軌跡分析、視覚化を自動化するシナリオを移行するために必要な努力を制限します。
参照モーションプランナーを使用した実験は、私たちのフレームワークがプランナーの意図された動作と実際の動作との間の矛盾を明らかにし、より現実的な条件下で計画の仮定の弱点を明らかにすることを示しています。
私たちのフレームワークは、https：//github.com/tum-avs/multidriveで入手できます

要約(オリジナル)

Scenario-based testing using simulations is a cornerstone of Autonomous Vehicles (AVs) software validation. So far, developers needed to choose between low-fidelity 2D simulators to explore the scenario space efficiently, and high-fidelity 3D simulators to study relevant scenarios in more detail, thus reducing testing costs while mitigating the sim-to-real gap. This paper presents a novel framework that leverages multi-agent co-simulation and procedural scenario generation to support scenario-based testing across low- and high-fidelity simulators for the development of motion planning algorithms. Our framework limits the effort required to transition scenarios between simulators and automates experiment execution, trajectory analysis, and visualization. Experiments with a reference motion planner show that our framework uncovers discrepancies between the planner’s intended and actual behavior, thus exposing weaknesses in planning assumptions under more realistic conditions. Our framework is available at: https://github.com/TUM-AVS/MultiDrive

arxiv情報

提供元, 利用サービス

arxiv.jp, Google