論文の概要: MARS: An Instance-aware, Modular and Realistic Simulator for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2307.15058v1
• Date: Thu, 27 Jul 2023 17:59:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-28 13:22:09.263755
• Title: MARS: An Instance-aware, Modular and Realistic Simulator for Autonomous Driving
• Title（参考訳）: MARS: 自律運転のためのインスタンス対応,モジュール型,リアリスティックシミュレータ
• Authors: Zirui Wu, Tianyu Liu, Liyi Luo, Zhide Zhong, Jianteng Chen, Hongmin Xiao, Chao Hou, Haozhe Lou, Yuantao Chen, Runyi Yang, Yuxin Huang, Xiaoyu Ye, Zike Yan, Yongliang Shi, Yiyi Liao, Hao Zhao
• Abstract要約: ニューラルレイディアンスフィールド(NeRF)に基づく自律走行シミュレータを提案する。 我々のシミュレーターは、フォアグラウンドインスタンスとバックグラウンド環境を独立したネットワークで別々にモデル化する。 我々のシミュレーターは、最高のモジュール選択を条件に、最先端のフォトリアリズムを新たに設定した。
• 参考スコア（独自算出の注目度）: 13.571775151180923
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, autonomous cars can drive smoothly in ordinary cases, and it is widely recognized that realistic sensor simulation will play a critical role in solving remaining corner cases by simulating them. To this end, we propose an autonomous driving simulator based upon neural radiance fields (NeRFs). Compared with existing works, ours has three notable features: (1) Instance-aware. Our simulator models the foreground instances and background environments separately with independent networks so that the static (e.g., size and appearance) and dynamic (e.g., trajectory) properties of instances can be controlled separately. (2) Modular. Our simulator allows flexible switching between different modern NeRF-related backbones, sampling strategies, input modalities, etc. We expect this modular design to boost academic progress and industrial deployment of NeRF-based autonomous driving simulation. (3) Realistic. Our simulator set new state-of-the-art photo-realism results given the best module selection. Our simulator will be open-sourced while most of our counterparts are not. Project page: https://open-air-sun.github.io/mars/.
• Abstract（参考訳）: 今日では、自動運転車は通常のケースではスムーズに運転でき、現実的なセンサーシミュレーションは、残りのコーナーケースをシミュレーションすることで解決する上で重要な役割を果たすことが広く認識されている。 そこで本研究ではneural radiance fields (nerfs)に基づく自律運転シミュレータを提案する。 既存の作業と比較すると,その特徴は3つある。 シミュレータは,インスタンスの静的特性(サイズや外観など)と動的特性(軌道など)を別々に制御できるように,フォアグラウンドインスタンスとバックグラウンド環境を独立したネットワークと別々にモデル化する。 (2) モジュール。 我々のシミュレーターは、最新のNeRF関連バックボーン、サンプリング戦略、入力モダリティ等を柔軟に切り替えることができる。 我々はこのモジュラー設計が、NeRFに基づく自動運転シミュレーションの学術的進歩と産業展開を促進することを期待している。 (3)現実主義。 我々のシミュレーターは、最高のモジュール選択を条件に、最先端のフォトリアリズムを新たに設定した。 私たちのシミュレータはオープンソースですが、ほとんどのシミュレータはオープンソースではありません。 プロジェクトページ: https://open-air-sun.github.io/mars/

関連論文リスト

• GarchingSim: An Autonomous Driving Simulator with Photorealistic Scenes and Minimalist Workflow [24.789118651720045]
  光実写シーンを用いた自律走行シミュレータを提案する。 シミュレータはROS2またはSocket.IOを介して外部アルゴリズムと通信することができる。 シミュレータ内に高精度な車両力学モデルを実装し,車体効果の現実性を高める。
  論文  参考訳（メタデータ） (2024-01-28T23:26:15Z)
• 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)
• UniSim: A Neural Closed-Loop Sensor Simulator [76.79818601389992]
  センサ搭載車両によって記録された1つのログをキャプチャする、ニューラルネットワークシミュレータUniSimを提示する。 UniSimは、静的バックグラウンドと動的アクターの両方を再構築するために、ニューラルネットワーク機能グリッドを構築する。 動的オブジェクトの学習可能な事前情報を組み込んで、畳み込みネットワークを利用して未確認領域を完成させる。
  論文  参考訳（メタデータ） (2023-08-03T17:56:06Z)
• Autonomous Driving Simulator based on Neurorobotics Platform [11.25880077022107]
  自動運転車には人工知能アルゴリズムがたくさんあるが、これらのアルゴリズムを直接車両にインストールするのは非現実的で高価だ。 同時に、これらのアルゴリズムの多くは、トレーニングと最適化のための環境を必要としています。 このレポートは、Neurorobotics Platformに関する小さな研究から始まり、真の現実世界のシミュレーション目標を達成するための新しいシミュレータの開発の可能性と可能性を分析する。
  論文  参考訳（メタデータ） (2022-12-31T01:12:27Z)
• VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and Policy Learning for Autonomous Vehicles [131.2240621036954]
  VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。 高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。 センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
  論文  参考訳（メタデータ） (2021-11-23T18:58:10Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
  DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。 DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。 実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
  論文  参考訳（メタデータ） (2021-04-30T15:30:05Z)
• LiDARsim: Realistic LiDAR Simulation by Leveraging the Real World [84.57894492587053]
  物理に基づくシミュレーションと学習に基づくシミュレーションの両方のパワーをキャプチャする新しいシミュレータを開発した。 まず3Dシーン上でレイキャストを行い、次にディープニューラルネットワークを用いて物理シミュレーションから偏差を生成する。 本稿では,LiDARsimが長距離イベントにおける認識アルゴリズムのテストに有用であること,および安全クリティカルシナリオにおけるエンドツーエンドのクローズループ評価について紹介する。
  論文  参考訳（メタデータ） (2020-06-16T17:44:35Z)
• LGSVL Simulator: A High Fidelity Simulator for Autonomous Driving [1.1742615451804794]
  本稿では,自律運転のための高忠実度シミュレータであるLGSVL Simulatorを紹介する。 シミュレータエンジンは、AutowareとApolloに接続する準備ができているエンドツーエンドのフルスタックシミュレーションを提供する。
  論文  参考訳（メタデータ） (2020-05-07T21:57:19Z)
• A machine learning environment for evaluating autonomous driving software [1.6516902135723865]
  自動運転車のコーナーケース動作を検出するための機械学習環境を提案する。 我々の環境は、CARLAシミュレーションソフトウェアを機械学習フレームワークとカスタムAIクライアントソフトウェアに接続することに基づいている。 我々のシステムは、車両AIが状況を正確に理解できないコーナーケースを探索することができる。
  論文  参考訳（メタデータ） (2020-03-07T13:05:03Z)

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。