論文の概要: NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking

• arxiv url: http://arxiv.org/abs/2406.15349v2
• Date: Thu, 31 Oct 2024 17:58:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 23:41:10.418459
• Title: NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking
• Title（参考訳）: NAVSIM:データ駆動非反応型自動運転車シミュレーションとベンチマーク
• Authors: Daniel Dauner, Marcel Hallgarten, Tianyu Li, Xinshuo Weng, Zhiyu Huang, Zetong Yang, Hongyang Li, Igor Gilitschenski, Boris Ivanovic, Marco Pavone, Andreas Geiger, Kashyap Chitta,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 65.24988062003096
• License:
• Abstract: Benchmarking vision-based driving policies is challenging. On one hand, open-loop evaluation with real data is easy, but these results do not reflect closed-loop performance. On the other, closed-loop evaluation is possible in simulation, but is hard to scale due to its significant computational demands. Further, the simulators available today exhibit a large domain gap to real data. This has resulted in an inability to draw clear conclusions from the rapidly growing body of research on end-to-end autonomous driving. In this paper, we present NAVSIM, a middle ground between these evaluation paradigms, where we use large datasets in combination with a non-reactive simulator to enable large-scale real-world benchmarking. Specifically, we gather simulation-based metrics, such as progress and time to collision, by unrolling bird's eye view abstractions of the test scenes for a short simulation horizon. Our simulation is non-reactive, i.e., the evaluated policy and environment do not influence each other. As we demonstrate empirically, this decoupling allows open-loop metric computation while being better aligned with closed-loop evaluations than traditional displacement errors. NAVSIM enabled a new competition held at CVPR 2024, where 143 teams submitted 463 entries, resulting in several new insights. On a large set of challenging scenarios, we observe that simple methods with moderate compute requirements such as TransFuser can match recent large-scale end-to-end driving architectures such as UniAD. Our modular framework can potentially be extended with new datasets, data curation strategies, and metrics, and will be continually maintained to host future challenges. Our code is available at https://github.com/autonomousvision/navsim.
• Abstract（参考訳）: ビジョンベースの運転ポリシーのベンチマークは難しい。 一方、実データによるオープンループ評価は容易であるが、これらの結果は閉ループ性能を反映していない。 一方、クローズドループ評価はシミュレーションでは可能であるが、計算要求が大きいためスケールが難しい。 さらに、現在利用可能なシミュレータは、実際のデータに対する大きなドメインギャップを示す。 この結果、エンド・ツー・エンドの自動運転に関する研究が急速に成長する中で、明確な結論を導き出せなくなった。 本稿では,これらの評価パラダイムの中間層であるNAVSIMについて述べる。そこでは,大規模な実世界のベンチマークを可能にするために,非反応性シミュレータと組み合わせて大規模なデータセットを使用する。 具体的には、短いシミュレーション地平線のために、テストシーンの鳥の目視抽象化をアンロールすることで、進行時間や衝突までの時間などのシミュレーションに基づくメトリクスを収集する。 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。 実験的に示すように、このデカップリングにより、従来の変位誤差よりも閉ループ評価に整合し、開ループ計量計算が可能となる。 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。 大規模なシナリオでは、TransFuserのような適度な計算要件を持つ単純な手法が、UniADのような最近の大規模エンドツーエンドの駆動アーキテクチャと一致することが観察される。 我々のモジュラーフレームワークは、新しいデータセット、データキュレーション戦略、メトリクスで拡張できる可能性があり、将来の課題をホストするために継続的にメンテナンスされます。 私たちのコードはhttps://github.com/autonomousvision/navsim.comから入手可能です。

関連論文リスト

• Compositional simulation-based inference for time series [21.9975782468709]
  シミュレータは、時間とともに何千もの単一状態遷移を通して現実世界のダイナミクスをエミュレートする。 本研究では,個々の状態遷移に整合したパラメータを局所的に同定することで,マルコフシミュレータを活用可能なSBIフレームワークを提案する。 次に、これらの局所的な結果を合成して、時系列の観測全体と一致した後続のオーバーパラメータを求める。
  論文  参考訳（メタデータ） (2024-11-05T01:55:07Z)
• Bench4Merge: A Comprehensive Benchmark for Merging in Realistic Dense Traffic with Micro-Interactive Vehicles [20.832829903505296]
  我々は,統合シナリオにおける動作計画能力を評価するためのベンチマークを開発する。 我々のアプローチには、微小な行動特性を持つ大規模データセットで訓練された他の車両が含まれる。 大規模な実験は、この評価ベンチマークの高度な性質を実証した。
  論文  参考訳（メタデータ） (2024-10-21T11:35:33Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [60.05963742334746]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• XLD: A Cross-Lane Dataset for Benchmarking Novel Driving View Synthesis [84.23233209017192]
  本稿では,自律走行シミュレーションに特化して設計された新しい駆動ビュー合成データセットとベンチマークを提案する。 データセットには、トレーニング軌跡から1-4mずれて取得した画像のテストが含まれているため、ユニークなものだ。 我々は、フロントオンリーおよびマルチカメラ設定下で、既存のNVSアプローチを評価するための最初の現実的なベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-26T14:00:21Z)
• Querying Labeled Time Series Data with Scenario Programs [0.0]
  本稿では,実世界のラベル付き時系列データ項目とシミュレーションシナリオとの一致を形式的に定義する。 自動運転車の領域を超えてスケーラブルなマッチングを実現するための定義とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-25T15:15:27Z)
• Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? [84.17711168595311]
  エンドツーエンドの自動運転は、フルスタックの観点から自律性を目標とする、有望な研究の方向性として浮上している。 比較的単純な駆動シナリオを特徴とするnuScenesデータセットは、エンド・ツー・エンド・モデルにおける知覚情報の未使用化につながる。 予測軌跡が道路に付着するかどうかを評価するための新しい指標を提案する。
  論文  参考訳（メタデータ） (2023-12-05T11:32:31Z)
• 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)
• 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)

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。