論文の概要: CARJAN: Agent-Based Generation and Simulation of Traffic Scenarios with AJAN
- arxiv url: http://arxiv.org/abs/2508.21411v1
- Date: Fri, 29 Aug 2025 08:33:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-01 19:45:10.966377
- Title: CARJAN: Agent-Based Generation and Simulation of Traffic Scenarios with AJAN
- Title（参考訳）: CARJAN:AJANによる交通シナリオの生成とシミュレーション
- Authors: Leonard Frank Neis, Andre Antakli, Matthias Klusch,
- Abstract要約: 本稿では,多エージェントエンジニアリングフレームワークAJANと駆動シミュレータCARLAに基づく,半自動生成とシミュレーションのための新しいツールCARJANを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: User-friendly modeling and virtual simulation of urban traffic scenarios with different types of interacting agents such as pedestrians, cyclists and autonomous vehicles remains a challenge. We present CARJAN, a novel tool for semi-automated generation and simulation of such scenarios based on the multi-agent engineering framework AJAN and the driving simulator CARLA. CARJAN provides a visual user interface for the modeling, storage and maintenance of traffic scenario layouts, and leverages SPARQL Behavior Tree-based decision-making and interactions for agents in dynamic scenario simulations in CARLA. CARJAN provides a first integrated approach for interactive, intelligent agent-based generation and simulation of virtual traffic scenarios in CARLA.
- Abstract（参考訳）: 歩行者、サイクリスト、自動運転車など、さまざまな種類の対話エージェントを用いたユーザフレンドリーなモデリングと仮想シミュレーションは、依然として課題である。
本稿では,多エージェントエンジニアリングフレームワークAJANと駆動シミュレータCARLAに基づく,半自動生成とシミュレーションのための新しいツールCARJANを提案する。
CARJANは、トラフィックシナリオレイアウトのモデリング、ストレージ、メンテナンスのためのビジュアルユーザインターフェースを提供し、CARLAの動的シナリオシミュレーションにおけるエージェントのためのSPARQLビヘイビアツリーベースの意思決定とインタラクションを活用する。
CARJANは、CARLAにおける仮想トラフィックシナリオの対話的でインテリジェントなエージェントベースの生成とシミュレーションのための、最初の統合されたアプローチを提供する。
関連論文リスト
- InfGen: Scenario Generation as Next Token Group Prediction [49.54222089551598]
InfGenは、エージェント状態とトラジェクトリを自動回帰的に出力するシナリオ生成フレームワークである。
実験により、InfGenは現実的で多様性があり、適応的な交通行動を生み出すことが示された。
論文 参考訳（メタデータ） (2025-06-29T16:18:32Z) - Scenario-Based Curriculum Generation for Multi-Agent Autonomous Driving [7.277126044624995]
我々は,マルチエージェント交通シナリオフレームワークであるMATS-Gymを導入し,高忠実度運転シミュレータであるCARLAのエージェントを訓練する。
本稿では,交通シナリオ記述への既存のアプローチを1つのトレーニングフレームワークに統合し,教師なし環境設計の技術と一体化して適応型オートクラキュラの自動生成を実現する方法について述べる。
論文 参考訳（メタデータ） (2024-03-26T15:42:04Z) - Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳（メタデータ） (2023-12-07T18:53:27Z) - 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) - 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) - A Hierarchical Pedestrian Behavior Model to Generate Realistic Human
Behavior in Traffic Simulation [11.525073205608681]
本稿では,行動木を用いた階層的歩行者行動モデルを提案する。
私たちの作業の完全な実装は、シナリオ定義と実行エンジンであるGeoScenario Serverに統合されます。
提案モデルでは,実際の歩行者の軌跡を高精度に再現し,意思決定精度を98%以上とした。
論文 参考訳（メタデータ） (2022-06-01T02:04:38Z) - 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。