論文の概要: The Waymo Open Sim Agents Challenge

• arxiv url: http://arxiv.org/abs/2305.12032v3
• Date: Fri, 14 Jul 2023 19:09:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 22:19:15.314441
• Title: The Waymo Open Sim Agents Challenge
• Title（参考訳）: waymo open sim agentsチャレンジ
• Authors: Nico Montali, John Lambert, Paul Mougin, Alex Kuefler, Nick Rhinehart, Michelle Li, Cole Gulino, Tristan Emrich, Zoey Yang, Shimon Whiteson, Brandyn White, Dragomir Anguelov
• Abstract要約: オープンシムエージェントチャレンジ(WOSAC)について紹介する。 この課題の目標は、自律運転のための行動モデルの評価と訓練に使用できる現実的なシミュレータの設計を刺激することである。 本研究は,様々なベースラインシミュレーション手法の結果を提示し,2023年大会へのいくつかの提案を解析する。
• 参考スコア（独自算出の注目度）: 41.11774633812596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulation with realistic, interactive agents represents a key task for autonomous vehicle software development. In this work, we introduce the Waymo Open Sim Agents Challenge (WOSAC). WOSAC is the first public challenge to tackle this task and propose corresponding metrics. The goal of the challenge is to stimulate the design of realistic simulators that can be used to evaluate and train a behavior model for autonomous driving. We outline our evaluation methodology, present results for a number of different baseline simulation agent methods, and analyze several submissions to the 2023 competition which ran from March 16, 2023 to May 23, 2023. The WOSAC evaluation server remains open for submissions and we discuss open problems for the task.
• Abstract（参考訳）: 現実的でインタラクティブなエージェントによるシミュレーションは、自動運転車ソフトウェア開発の重要なタスクである。 本稿では,Waymo Open Sim Agents Challenge (WOSAC)を紹介する。 WOSACはこの課題に取り組み、対応するメトリクスを提案する最初の公開課題である。 この課題の目標は、自律運転のための行動モデルの評価と訓練に使用できる現実的なシミュレータの設計を刺激することである。 我々は,2023年3月16日から5月23日にかけて実施された2023年大会における,評価手法の概要,各種のベースラインシミュレーション手法の評価結果について概説する。 wosac評価サーバは引き続き提出を受け付けており、タスクのオープンな問題について議論する。

関連論文リスト

• Promptable Closed-loop Traffic Simulation [57.36568236100507]
  ProSimはマルチモーダルプロンプト可能なクローズドループトラフィックシミュレーションフレームワークである。 ProSimはクローズドループ方式でトラフィックシナリオをロールアウトし、各エージェントと他のトラフィック参加者とのインタラクションをモデル化する。 高速な交通シミュレーションの研究を支援するため,マルチモーダル・プロンプト・インストラクト・520k(ProSim-Instruct-520k)を開発した。
  論文  参考訳（メタデータ） (2024-09-09T17:59:15Z)
• Towards Open-World Mobile Manipulation in Homes: Lessons from the Neurips 2023 HomeRobot Open Vocabulary Mobile Manipulation Challenge [93.4434417387526]
  ロボット工学における鍵となるベンチマークタスクとして,Open Vocabulary Mobile Manipulationを提案する。 我々は,この課題に対する解決策を評価するために,シミュレーションと実世界のコンポーネントを兼ね備えたNeurIPS 2023コンペティションを組織した。 シミュレーションと実環境設定の両方で使用される結果と方法論を詳述する。
  論文  参考訳（メタデータ） (2024-07-09T15:15:01Z)
• NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
  我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。 我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。 NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
  論文  参考訳（メタデータ） (2024-06-21T17:59:02Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• The 2nd Place Solution for 2023 Waymo Open Sim Agents Challenge [8.821526792549648]
  本稿では,マルチエージェント動作をシミュレーションする簡易かつ効果的な自己回帰手法を提案する。 MTR+++は2023年のオープン・シム・エージェント・チャレンジ(WOSAC)において、リアリズム・メタ・メトリックの0.4697を達成しました。 また、MTR_Eと命名されたMTRに基づく改良モデルも提案されており、スコアは0.4911で、2023年6月25日現在、WOSACのリーダーボードで3位である。
  論文  参考訳（メタデータ） (2023-06-28T04:33:12Z)
• Multiverse Transformer: 1st Place Solution for Waymo Open Sim Agents Challenge 2023 [3.4520774137890555]
  本報告では,オープン・シム・エージェント・チャレンジ(WOSAC)2023における第1位のソリューションについて述べる。 提案するMultiVerse Transformer for Agent Simulation (MVTA)は,トランスフォーマーに基づく動作予測手法を効果的に活用する。 本研究では,高度なリアリズムを持つシミュレーションを作成するために,新しいトレーニング手法とサンプリング手法を設計する。
  論文  参考訳（メタデータ） (2023-06-20T20:01:07Z)
• Learn-to-Race Challenge 2022: Benchmarking Safe Learning and Cross-domain Generalisation in Autonomous Racing [12.50944966521162]
  新たにリリースされたLearning-to-Race(L2R)シミュレーションフレームワークに基づいて,自動レースバーチャルチャレンジの結果を示す。 本稿では,改良されたメトリクスとベースラインアプローチを備えた新しいL2R Task 2.0ベンチマークについて述べる。 また、L2R Autonomous Racing Virtual Challengeの初回インスタンスの配置、評価、ランキングについても概説する。
  論文  参考訳（メタデータ） (2022-05-05T22:31:19Z)
• Reactive Long Horizon Task Execution via Visual Skill and Precondition Models [59.76233967614774]
  シミュレーションで学習したモデルを用いて、単純なタスクプランナの構成要素をグラウンド化することで、見知らぬロボットタスクを達成できるシミュレート・トゥ・リアル・トレーニングのアプローチについて述べる。 シミュレーションでは91.6%から98%,実世界の成功率は10%から80%に増加した。
  論文  参考訳（メタデータ） (2020-11-17T15:24:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。