Simulate Any Radar: Attribute-Controllable Radar Simulation via Waveform Parameter Embedding

要約

我々は、SA-Radar (Simulate Any Radar)を発表する。SA-Radarは、カスタマイズ可能なレーダー属性を条件として、制御可能で効率的なレーダーキューブの生成を可能にするレーダーシミュレーションアプローチである。SA-Radarは、従来の生成シミュレータや物理ベースのシミュレータとは異なり、波形パラメータ化された属性埋め込みにより、両方のパラダイムを統合している。ICFAR-Netは、異なるレーダー構成によって引き起こされる信号変動を捕捉する、波形パラメータによってエンコードされたレーダー属性を条件とする3次元U-Netである。この定式化により、レーダーハードウェアの詳細な仕様を必要とせず、多様なセンサー設定にわたるレンジ-方位角-ドップラー（RAD）テンソルの効率的なシミュレーションが可能となる。さらに、ネットワークをロバストに学習させるために、属性注釈付きの実シミュレーションデータセットを混合して構築する。2D/3D物体検出やレーダーセマンティックセグメンテーションを含む複数のダウンストリームタスクに関する広範な評価により、SA-Radarのシミュレーションデータが現実的かつ効果的であることが実証され、単独で、あるいは実データと組み合わせて使用することで、一貫してモデル性能が向上する。私たちのフレームワークは、新しいセンサ視点や編集されたシーンでのシミュレーションもサポートしており、自律走行アプリケーションのための汎用レーダーデータエンジンとしての可能性を示しています。コードと追加資料はhttps://zhuxing0.github.io/projects/SA-Radar。

要約(オリジナル)

We present SA-Radar (Simulate Any Radar), a radar simulation approach that enables controllable and efficient generation of radar cubes conditioned on customizable radar attributes. Unlike prior generative or physics-based simulators, SA-Radar integrates both paradigms through a waveform-parameterized attribute embedding. We design ICFAR-Net, a 3D U-Net conditioned on radar attributes encoded via waveform parameters, which captures signal variations induced by different radar configurations. This formulation bypasses the need for detailed radar hardware specifications and allows efficient simulation of range-azimuth-Doppler (RAD) tensors across diverse sensor settings. We further construct a mixed real-simulated dataset with attribute annotations to robustly train the network. Extensive evaluations on multiple downstream tasks-including 2D/3D object detection and radar semantic segmentation-demonstrate that SA-Radar’s simulated data is both realistic and effective, consistently improving model performance when used standalone or in combination with real data. Our framework also supports simulation in novel sensor viewpoints and edited scenes, showcasing its potential as a general-purpose radar data engine for autonomous driving applications. Code and additional materials are available at https://zhuxing0.github.io/projects/SA-Radar.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL