要約
シミュレーションは、路上試験と比較して効率とコストの面で利点があるため、自動運転システムの性能を評価する際に極めて重要です。
シミュレーションと現実の間のギャップを縮めるには、現実的なマルチエージェントの動作(例: インタラクティブかつ長期)が必要です。
既存の研究には、この目標を達成する上で次の欠点があります。~(1) ログの再生は現実的なシナリオを提供しますが、動的インタラクションが欠如しているため非現実的な衝突を引き起こします。~(2) モデルベースおよび学習ベースのソリューションはインタラクションを促進しますが、逸脱することがよくあります。
長期にわたる現実世界のデータから。
この研究では、非現実的な衝突を回避しながらリアリズムを最大化する長期対話型シミュレーション アプローチである LitSim を提案します。
具体的には、ほとんどのシナリオでログを再生し、LitSim が非現実的な競合を予測した場合にのみ介入します。
次に、エージェント間の対話を促進し、競合を解決することで、非現実的な衝突の可能性を減らします。
私たちは実世界のデータセット NGSIM 上でモデルをトレーニングおよび検証し、実験結果は、LitSim がリアリズムと反応性の点で現在一般的なアプローチよりも優れていることを示しています。
要約(オリジナル)
Simulation is pivotal in evaluating the performance of autonomous driving systems due to the advantages in efficiency and cost compared to on-road testing. Realistic multi-agent behavior~(e.g., interactive and long-term) is needed to narrow the gap between the simulation and the reality. The existing work has the following shortcomings in achieving this goal:~(1) log replay offers realistic scenarios but leads to unrealistic collisions due to lacking dynamic interactions, and~(2) model-based and learning-based solutions encourage interactions but often deviate from real-world data in long horizons. In this work, we propose LitSim, a long-term interactive simulation approach that maximizes realism while avoiding unrealistic collisions. Specifically, we replay the log for most scenarios and intervene only when LitSim predicts unrealistic conflicts. We then encourage interactions among the agents and resolve the conflicts, thereby reducing the likelihood of unrealistic collisions. We train and validate our model on the real-world dataset NGSIM, and the experimental results demonstrate that LitSim outperforms the current popular approaches in realism and reactivity.
arxiv情報
| 著者 | Haojie Xin,Xiaodong Zhang,Renzhi Tang,Songyang Yan,Qianrui Zhao,Chunze Yang,Zijiang Yang |
| 発行日 | 2024-03-07 07:58:58+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google