論文の概要: SceneDiffuser++: City-Scale Traffic Simulation via a Generative World Model

• arxiv url: http://arxiv.org/abs/2506.21976v1
• Date: Fri, 27 Jun 2025 07:35:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.121508
• Title: SceneDiffuser++: City-Scale Traffic Simulation via a Generative World Model
• Title（参考訳）: SceneDiffuser++: ジェネレーティブワールドモデルによる都市規模の交通シミュレーション
• Authors: Shuhan Tan, John Lambert, Hong Jeon, Sakshum Kulshrestha, Yijing Bai, Jing Luo, Dragomir Anguelov, Mingxing Tan, Chiyu Max Jiang,
• Abstract要約: SceneDiffuser++は、都市規模でA-to-Bシミュレーションを行うことができる単一損失関数に基づいて訓練された最初のエンドツーエンド生成世界モデルである。 本研究では,SceneDiffuser++の都市交通シミュレーション能力を実証し,その長大なシミュレーション条件下での優れたリアリズムについて検討する。
• 参考スコア（独自算出の注目度）: 30.561378506172698
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The goal of traffic simulation is to augment a potentially limited amount of manually-driven miles that is available for testing and validation, with a much larger amount of simulated synthetic miles. The culmination of this vision would be a generative simulated city, where given a map of the city and an autonomous vehicle (AV) software stack, the simulator can seamlessly simulate the trip from point A to point B by populating the city around the AV and controlling all aspects of the scene, from animating the dynamic agents (e.g., vehicles, pedestrians) to controlling the traffic light states. We refer to this vision as CitySim, which requires an agglomeration of simulation technologies: scene generation to populate the initial scene, agent behavior modeling to animate the scene, occlusion reasoning, dynamic scene generation to seamlessly spawn and remove agents, and environment simulation for factors such as traffic lights. While some key technologies have been separately studied in various works, others such as dynamic scene generation and environment simulation have received less attention in the research community. We propose SceneDiffuser++, the first end-to-end generative world model trained on a single loss function capable of point A-to-B simulation on a city scale integrating all the requirements above. We demonstrate the city-scale traffic simulation capability of SceneDiffuser++ and study its superior realism under long simulation conditions. We evaluate the simulation quality on an augmented version of the Waymo Open Motion Dataset (WOMD) with larger map regions to support trip-level simulation.
• Abstract（参考訳）: 交通シミュレーションの目標は、テストや検証に利用可能な手動走行距離の潜在的に限定的な増加と、シミュレーションされた合成走行距離の増大である。 このビジョンの達成は、都市の地図と自律走行車(AV)ソフトウェアスタックを与えられた場合、シミュレータは、A点からB点への移動をシームレスにシミュレートすることができる。 このビジョンをCitySimと呼ぶには、初期シーンを映し出すシーン生成、シーンをアニメーション化するエージェント動作モデリング、隠蔽推論、エージェントをシームレスに生成・除去する動的シーン生成、交通信号などの要因の環境シミュレーションなど、シミュレーション技術の集約が必要である。 いくつかの重要な技術は別々に研究されているが、動的シーン生成や環境シミュレーションなどは研究コミュニティではあまり注目されていない。 SceneDiffuser++は,A-to-Bシミュレーションを都市規模で示すことができる単一損失関数に基づいてトレーニングされた,最初のエンドツーエンド生成ワールドモデルである。 本研究では,SceneDiffuser++の都市交通シミュレーション能力を実証し,その長大なシミュレーション条件下での優れたリアリズムについて検討する。 Waymo Open Motion Dataset (WOMD) の拡張バージョンにおいて, トリップレベルのシミュレーションを支援するために, 地図領域を大きくしたシミュレーション品質を評価する。

関連論文リスト

• MobileCity: An Efficient Framework for Large-Scale Urban Behavior Simulation [22.340422693575547]
  複数の機能的な建物と交通手段を備えた仮想都市を提示する。 次に、集団間の行動選択と移動選好をモデル化するための広範な調査を行う。 拡張性を維持しながら都市移動の複雑さを捉えるシミュレーションフレームワークを導入し,4,000以上のエージェントのシミュレーションを可能にする。
  論文  参考訳（メタデータ） (2025-04-18T07:01:05Z)
• DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
  本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。 その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。 動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T03:00:33Z)
• OmniRe: Omni Urban Scene Reconstruction [78.99262488964423]
  OmniReはデバイス上でのログから動的現実シーンの高忠実なデジタルツインを作成するための総合システムである。 提案手法は3DGS上にシーングラフを構築し,様々な動的アクターをモデル化する標準空間内に複数のガウス表現を構築する。
  論文  参考訳（メタデータ） (2024-08-29T17:56:33Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• 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)
• 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)

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。