論文の概要: Multi-Agent Scenario Generation in Roundabouts with a Transformer-enhanced Conditional Variational Autoencoder

• arxiv url: http://arxiv.org/abs/2510.24671v1
• Date: Tue, 28 Oct 2025 17:36:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 17:50:20.197093
• Title: Multi-Agent Scenario Generation in Roundabouts with a Transformer-enhanced Conditional Variational Autoencoder
• Title（参考訳）: 変圧器付条件変分オートエンコーダを用いたラウンドアラウンドにおけるマルチエージェントシナリオ生成
• Authors: Li Li, Tobias Brinkmann, Till Temmen, Markus Eisenbarth, Jakob Andert,
• Abstract要約: ラウンドアバウンドにおけるマルチエージェントトラフィックシナリオを生成するために,Transformer-enhanced Conditional Autoencoder (CVAE-T) モデルを提案する。 この結果から,提案モデルでは,オリジナルのシナリオを正確に再構築し,現実的で多様な合成シナリオを生成できることがわかった。
• 参考スコア（独自算出の注目度）: 5.075005638055596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing integration of intelligent driving functions into serial-produced vehicles, ensuring their functionality and robustness poses greater challenges. Compared to traditional road testing, scenario-based virtual testing offers significant advantages in terms of time and cost efficiency, reproducibility, and exploration of edge cases. We propose a Transformer-enhanced Conditional Variational Autoencoder (CVAE-T) model for generating multi-agent traffic scenarios in roundabouts, which are characterized by high vehicle dynamics and complex layouts, yet remain relatively underexplored in current research. The results show that the proposed model can accurately reconstruct original scenarios and generate realistic, diverse synthetic scenarios. Besides, two Key-Performance-Indicators (KPIs) are employed to evaluate the interactive behavior in the generated scenarios. Analysis of the latent space reveals partial disentanglement, with several latent dimensions exhibiting distinct and interpretable effects on scenario attributes such as vehicle entry timing, exit timing, and velocity profiles. The results demonstrate the model's capability to generate scenarios for the validation of intelligent driving functions involving multi-agent interactions, as well as to augment data for their development and iterative improvement.
• Abstract（参考訳）: インテリジェントな運転機能のシリアル生産車への統合が増加し、その機能と堅牢性を保証することが大きな課題となる。 従来の道路テストと比較して、シナリオベースのバーチャルテストは、時間とコスト効率、再現性、エッジケースの探索において大きな利点がある。 本稿では,高速車両動特性と複雑なレイアウトを特徴とするトランスフォーマー拡張型条件変分オートエンコーダ(CVAE-T)モデルを提案する。 この結果から,提案モデルでは,オリジナルのシナリオを正確に再構築し,現実的で多様な合成シナリオを生成できることがわかった。 さらに、2つのキー・パフォーマンス・インジケータ(KPI)を用いて、生成されたシナリオにおける対話的な振る舞いを評価する。 潜伏空間の分析では、いくつかの潜伏次元が車両の進入タイミング、出口タイミング、速度プロファイルなどのシナリオ特性に明瞭で解釈可能な影響を示す部分的絡み合いが明らかである。 その結果、マルチエージェントインタラクションを含むインテリジェントな駆動機能の検証シナリオを生成するとともに、その開発と反復的な改善のためのデータを拡張することができることを示した。

関連論文リスト

• A Trajectory Generator for High-Density Traffic and Diverse Agent-Interaction Scenarios [37.38654549322757]
  本稿では,シナリオ密度を同時に向上し,行動多様性を向上する新しい軌道生成フレームワークを提案する。 本手法は,動作リアリズムとシナリオレベルの安全性を保ちながら,エージェント密度と行動の多様性を著しく改善する。 我々の合成データは下流軌道予測モデルにも有効であり、高密度シナリオに挑戦する際の性能を向上させる。
  論文  参考訳（メタデータ） (2025-10-03T00:12:18Z)
• MR-LDM -- The Merge-Reactive Longitudinal Decision Model: Game Theoretic Human Decision Modeling for Interactive Sim Agents [0.9883562565157391]
  我々は,戦術的意思決定のためのゲーム理論モデルをターゲットにして,ハイウェイマージシナリオのシミュレーションを改善することを目的としている。 これを基礎となるダイナミックスモデルと組み合わせて、より現実的なインタラクションをキャプチャできる統一された決定と動的モデルを持ちます。
  論文  参考訳（メタデータ） (2025-07-15T20:41:00Z)
• RealEngine: Simulating Autonomous Driving in Realistic Context [60.55873455475112]
  RealEngineは3Dシーン再構成と新しいビュー合成技術を統合する新しい運転シミュレーションフレームワークである。 実世界のマルチモーダルセンサーデータを活用することで、RealEngineはバックグラウンドシーンとフォアグラウンドトラフィック参加者を別々に再構築し、非常に多様な現実的なトラフィックシナリオを実現する。 RealEngineは、非反応性シミュレーション、安全性テスト、マルチエージェントインタラクションの3つの重要な駆動シミュレーションカテゴリをサポートしている。
  論文  参考訳（メタデータ） (2025-05-22T17:01:00Z)
• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Characterized Diffusion Networks for Enhanced Autonomous Driving Trajectory Prediction [0.6202955567445396]
  本稿では,自律走行のための新しい軌道予測モデルを提案する。 本モデルは,不確実性推定と複雑なエージェント相互作用を組み込むことにより,軌道予測の精度と信頼性を向上させる。 提案モデルでは,実環境における自律走行システムへの応用の可能性を示す。
  論文  参考訳（メタデータ） (2024-11-25T15:03:44Z)
• Hypergraph-based Motion Generation with Multi-modal Interaction Relational Reasoning [13.294396870431399]
  現実世界の運転環境は、車両間の動的かつ多様な相互作用によって特徴づけられる。 本研究では,自律走行車(AV)の運動予測のための統合フレームワークを提案する。 このフレームワークはマルチスケールのハイパーグラフニューラルネットワークを統合し、車両間のグループワイドインタラクションをモデル化する。
  論文  参考訳（メタデータ） (2024-09-18T03:30:38Z)
• 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)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)

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。