論文の概要: OccSim: Multi-kilometer Simulation with Long-horizon Occupancy World Models

• arxiv url: http://arxiv.org/abs/2603.28887v1
• Date: Mon, 30 Mar 2026 18:13:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.652144
• Title: OccSim: Multi-kilometer Simulation with Long-horizon Occupancy World Models
• Title（参考訳）: OccSim: 長軸Occupancy World Modelを用いたマルチキロメーターシミュレーション
• Authors: Tianran Liu, Shengwen Zhao, Mozhgan Pourkeshavarz, Weican Li, Nicholas Rhinehart,
• Abstract要約: OccSimは世界初の占有型世界モデル駆動型3Dシミュレータである。 OccSimは、連続ログやHDマップの要求をなくし、単一の初期フレームと将来のエゴアクションのシーケンスにのみ条件付けする。 これは、従来の最先端の占領世界モデルよりも安定な生成長が80倍に向上したことを示している。
• 参考スコア（独自算出の注目度）: 9.559391809080676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data-driven autonomous driving simulation has long been constrained by its heavy reliance on pre-recorded driving logs or spatial priors, such as HD maps. This fundamental dependency severely limits scalability, restricting open-ended generation capabilities to the finite scale of existing collected datasets. To break this bottleneck, we present OccSim, the first occupancy world model-driven 3D simulator. OccSim obviates the requirement for continuous logs or HD maps; conditioned only on a single initial frame and a sequence of future ego-actions, it can stably generate over 3,000 continuous frames, enabling the continuous construction of large-scale 3D occupancy maps spanning over 4 kilometers for simulation. This represents an >80x improvement in stable generation length over previous state-of-the-art occupancy world models. OccSim is powered by two modules: W-DiT based static occupancy world model and the Layout Generator. W-DiT handles the ultra-long-horizon generation of static environments by explicitly introducing known rigid transformations in architecture design, while the Layout Generator populates the dynamic foreground with reactive agents based on the synthesized road topology. With these designs, OccSim can synthesize massive, diverse simulation streams. Extensive experiments demonstrate its downstream utility: data collected directly from OccSim can pre-train 4D semantic occupancy forecasting models to achieve up to 67% zero-shot performance on unseen data, outperforming previous asset-based simulator by 11%. When scaling the OccSim dataset to 5x the size, the zero-shot performance increases to about 74%, while the improvement over asset-based simulators expands to 22.1%.
• Abstract（参考訳）: データ駆動の自律運転シミュレーションは、事前に記録された運転ログやHDマップのような空間的先行情報に大きく依存しているため、長い間制約を受けてきた。 この基本的な依存関係はスケーラビリティを著しく制限し、既存の収集データセットの有限スケールにオープンな生成能力を制限する。 このボトルネックを克服するために、最初の占有型世界モデル駆動型3DシミュレータOccSimを紹介する。 OccSimは連続したログやHDマップの要求を逸脱し、単一の初期フレームと将来のエゴアクションのシーケンスにのみ条件付けられ、安定して3000以上の連続フレームを生成することができ、シミュレーションのために4kmを超える大規模な3D占有マップを連続的に構築することができる。 これは、従来の最先端の占領世界モデルよりも安定な生成長が80倍に向上したことを示している。 OccSimは、W-DiTベースの静的占有世界モデルとLayout Generatorの2つのモジュールで動く。 W-DiTは、アーキテクチャ設計において既知の厳密な変換を明示的に導入することで、静的環境の超長距離生成を処理する一方、Layout Generatorは、合成された道路トポロジーに基づいて、動的フォアグラウンドに反応性エージェントを投入する。 これらの設計により、OccSimは巨大で多様なシミュレーションストリームを合成できる。 OccSimから直接収集されたデータは、4Dセマンティック占有予測モデルを事前訓練することで、目に見えないデータ上で最大67%のゼロショットパフォーマンスを実現し、以前のアセットベースのシミュレータを11%上回る。 OccSimデータセットを5倍にスケールすると、ゼロショットのパフォーマンスは約74%に向上し、アセットベースのシミュレータの改善は22.1%に拡大する。

関連論文リスト

• HCLSM: Hierarchical Causal Latent State Machines for Object-Centric World Modeling [0.0]
  HCLSMは、オブジェクト中心分解、空間放送復号化、階層的時間力学の3つの原理で機能する。 システムは51モジュールにまたがる8,478行のPythonにまたがっており、171のユニットテストがある。
  論文  参考訳（メタデータ） (2026-03-31T00:11:29Z)
• Delta-Triplane Transformers as Occupancy World Models [57.16979927973973]
  Occupancy World Models (OWMs) は、知的運動計画を支援するために、環境の3次元ボキセル化表現を通して将来のシーンを予測することを目的としている。 本稿では,自律運転のための新しい4DOWMであるDelta-Triplane Transformers (DTT)を提案する。 DTTは1.44$times$ speedup (26 FPS)を最先端に提供し、平均IoUを30.85に改善し、平均絶対計画誤差を1.0mに下げる。
  論文  参考訳（メタデータ） (2025-03-10T13:50:23Z)
• DynamicCity: Large-Scale 4D Occupancy Generation from Dynamic Scenes [61.07023022220073]
  大規模で高品質な動的4Dシーンをセマンティクスで生成できる新しい4D占有率生成フレームワークであるDynamicCityを紹介する。 特にDynamicCityは、新しいプロジェクションモジュールを使用して、4D機能を6つの2D特徴マップに効果的に圧縮し、HexPlaneの構築を可能にしている。 本研究では,3次元特徴量を並列に再構成する拡張・スキーズ戦略を用いて,ネットワークトレーニングの効率化と再現精度の向上を図る。
  論文  参考訳（メタデータ） (2024-10-23T17:59:58Z)
• 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)
• Data-Driven Traffic Simulation for an Intersection in a Metropolis [7.264786765085108]
  道路交差点における交通をモデル化するための新しいデータ駆動シミュレーション環境を提案する。 エージェントの相互作用と環境制約を学習するために,軌道予測モデルを訓練する。 シミュレーションは、自律的に、または、生成分布に条件付けされた明示的な人間の制御の下で実行することができる。
  論文  参考訳（メタデータ） (2024-08-01T22:25:06Z)
• SimGen: Simulator-conditioned Driving Scene Generation [50.03358485083602]
  シミュレーション条件付きシーン生成フレームワークSimGenを紹介する。 SimGenは、シミュレータと現実世界のデータを混ぜることで、多様な運転シーンを生成することを学ぶ。 テキストプロンプトとシミュレータからのレイアウトに基づいて制御性を保ちながら、優れた生成品質と多様性を実現する。
  論文  参考訳（メタデータ） (2024-06-13T17:58:32Z)
• SLEDGE: Synthesizing Driving Environments with Generative Models and Rule-Based Traffic [30.39229175273061]
  SLEDGEは、現実世界の走行ログに基づいて訓練された車両の運動訓練のための最初の生成シミュレータである。 そのコアコンポーネントは学習モデルであり、エージェント境界ボックスとレーングラフを生成することができる。 SLEDGEは、nuPlanのような既存のデータ駆動シミュレータでは見られない500mのルートをサポートすることができる。
  論文  参考訳（メタデータ） (2024-03-26T17:58:29Z)

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。