SceneDM: Scene-level Multi-agent Trajectory Generation with Consistent Diffusion Models

要約

自動運転アルゴリズムの開発と評価には、現実的なシーンレベルのマルチエージェント モーション シミュレーションが不可欠です。
ただし、既存の研究のほとんどは、特定の単一エージェント タイプの軌道を生成することに焦点を当てており、通常、生成された軌道の一貫性を無視しています。
この論文では、シーン内の車両、自転車、歩行者などを含むすべてのエージェントの共同で一貫した将来の動きを生成するために、SceneDM と呼ばれる拡散モデルに基づく新しいフレームワークを提案します。
生成された軌道の一貫性を高めるために、新しい Transformer ベースのネットワークを利用して、モーション拡散の逆プロセスにおけるエージェント間の相互作用を効果的に処理します。
エージェントの軌道の滑らかさを考慮して、短期的な時間依存関係を利用するモデルを改善するために、シンプルでありながら効果的な一貫した拡散アプローチをさらに設計します。
さらに、シーンレベルのスコアリング機能が付属しており、生成されたエージェントの動作の安全性と道路遵守性を評価し、非現実的なシミュレーションを除外するのに役立ちます。
最後に、SceneDM は Waymo Sim Agents Benchmark で最先端の結果を達成しました。
プロジェクトの Web ページは https://alperen-hub.github.io/SceneDM から入手できます。

要約(オリジナル)

Realistic scene-level multi-agent motion simulations are crucial for developing and evaluating self-driving algorithms. However, most existing works focus on generating trajectories for a certain single agent type, and typically ignore the consistency of generated trajectories. In this paper, we propose a novel framework based on diffusion models, called SceneDM, to generate joint and consistent future motions of all the agents, including vehicles, bicycles, pedestrians, etc., in a scene. To enhance the consistency of the generated trajectories, we resort to a new Transformer-based network to effectively handle agent-agent interactions in the inverse process of motion diffusion. In consideration of the smoothness of agent trajectories, we further design a simple yet effective consistent diffusion approach, to improve the model in exploiting short-term temporal dependencies. Furthermore, a scene-level scoring function is attached to evaluate the safety and road-adherence of the generated agent’s motions and help filter out unrealistic simulations. Finally, SceneDM achieves state-of-the-art results on the Waymo Sim Agents Benchmark. Project webpage is available at https://alperen-hub.github.io/SceneDM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google