論文の概要: Multiverse Transformer: 1st Place Solution for Waymo Open Sim Agents
Challenge 2023
- arxiv url: http://arxiv.org/abs/2306.11868v1
- Date: Tue, 20 Jun 2023 20:01:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-22 15:57:50.922852
- Title: Multiverse Transformer: 1st Place Solution for Waymo Open Sim Agents
Challenge 2023
- Title(参考訳): マルチバーストランスフォーマー:waymo open sim agents challenge 2023の1位ソリューション
- Authors: Yu Wang, Tiebiao Zhao, Fan Yi
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.4520774137890555
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This technical report presents our 1st place solution for the Waymo Open Sim
Agents Challenge (WOSAC) 2023. Our proposed MultiVerse Transformer for Agent
simulation (MVTA) effectively leverages transformer-based motion prediction
approaches, and is tailored for closed-loop simulation of agents. In order to
produce simulations with a high degree of realism, we design novel training and
sampling methods, and implement a receding horizon prediction mechanism. In
addition, we introduce a variable-length history aggregation method to mitigate
the compounding error that can arise during closed-loop autoregressive
execution. On the WOSAC, our MVTA and its enhanced version MVTE reach a realism
meta-metric of 0.5091 and 0.5168, respectively, outperforming all the other
methods on the leaderboard.
- Abstract(参考訳): この技術レポートは、Waymo Open Sim Agents Challenge (WOSAC) 2023の第一位ソリューションを示します。
提案するMultiVerse Transformer for Agent Simulation (MVTA) は, エージェントのクローズループシミュレーションに適した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。
高い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およびサンプリング手法を設計し,回帰地平線予測機構を実装した。
さらに,閉ループ自己回帰実行時に発生する複合誤差を軽減するために,可変長履歴集計法を導入する。
WOSACでは、MVTAとMVTEの強化版がそれぞれ0.5091と0.5168のリアリズムメタメトリックに達し、リーダーボード上の他の手法よりも優れています。
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) - Model Predictive Simulation Using Structured Graphical Models and Transformers [4.229560419171488]
本稿では、トランスフォーマと確率的グラフィカルモデル(PGM)に基づいて、複数の対話エージェント(道路利用者)の軌跡をシミュレートする手法を提案する。
次に, 先行知識を符号化する因子を含むPGMを用いて, これらの軌道を改良する。
我々はMPSがMTRベースラインを改善することを示し、特に衝突速度などの安全クリティカルな指標について述べる。
論文 参考訳(メタデータ) (2024-06-28T03:46:53Z) - TrafficBots V1.5: Traffic Simulation via Conditional VAEs and Transformers with Relative Pose Encoding [59.339735703856924]
TrafficBots V1.5は、トラフィックエージェントのクローズドループシミュレーションのベースライン手法である。
オープン・シム・エージェント・チャレンジ(WOSAC)2024で3位を獲得した。
論文 参考訳(メタデータ) (2024-06-16T11:20:49Z) - BehaviorGPT: Smart Agent Simulation for Autonomous Driving with Next-Patch Prediction [22.254486248785614]
BehaviorGPTは、複数のエージェントのシーケンシャルな振る舞いをシミュレートするために設計された、均一で完全な自己回帰変換器である。
本稿では,自己回帰モデルによる負の効果を軽減するために,Next-Patch Prediction Paradigm (NP3)を導入する。
ビヘイビアGPTは2024年のオープン・シム・エージェント・チャレンジで、リアリズムスコアが0.7473、ミナードスコアが1.4147で優勝した。
論文 参考訳(メタデータ) (2024-05-27T17:28:25Z) - 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) - Emergent Agentic Transformer from Chain of Hindsight Experience [96.56164427726203]
簡単なトランスフォーマーベースモデルが時間差と模倣学習に基づくアプローチの両方と競合することを示す。
単純なトランスフォーマーベースのモデルが時間差と模倣学習ベースのアプローチの両方で競合するのはこれが初めてである。
論文 参考訳(メタデータ) (2023-05-26T00:43:02Z) - The Waymo Open Sim Agents Challenge [37.69742145084953]
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。
論文 参考訳(メタデータ) (2023-05-19T23:12:08Z) - MTR-A: 1st Place Solution for 2022 Waymo Open Dataset Challenge --
Motion Prediction [103.75625476231401]
本稿では,複数モーダル動作予測のための新しいモーショントランスフォーマーフレームワークを提案する。
非最大圧縮による単純なモデルアンサンブル戦略を採用し、最終的な性能をさらに向上させる。
当社のアプローチは,2022年のオープンデータセットチャレンジにおける行動予測のリーダーボード上での1位を達成し,他の手法よりも優れたマージンを達成している。
論文 参考訳(メタデータ) (2022-09-20T23:03:22Z) - TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。
特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。
TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
論文 参考訳(メタデータ) (2021-01-17T00:29:30Z)
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。