論文の概要: ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2606.14058v1
• Date: Fri, 12 Jun 2026 03:11:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.725031
• Title: ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving
• Title（参考訳）: ReactSim-Bench: 自律運転におけるリアクティブ行動世界モデルシミュレーションのベンチマーク
• Authors: Zhiyuan Zhang, Yanlun Peng, Jianing Zhang, Xianda Guo, Zehan Huang, Haoran Liu, Qifeng Li, Shaofeng Zhang, Xiaosong Jia, Junchi Yan,
• Abstract要約: リアクティブ能力は、自律運転シミュレーションシステムのためのデータ駆動行動世界モデルシミュレータの重要な特性である。 本稿では,自律運転における行動世界モデルシミュレーションの反応性を評価するためのReactSim-Benchを紹介する。
• 参考スコア（独自算出の注目度）: 56.96697737229895
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reactive capability is a key property of data-driven behavior world model simulators for autonomous driving simulation systems. With this capability, simulated world agents can respond feasibly to autonomous vehicle (AV) behaviors that differ from the log. However, existing behavior simulation benchmarks do not directly measure reactive capability. They often let the simulator jointly control the AV and surrounding agents and evaluate realism through log similarity or open-loop prediction metrics. In this work, we introduce ReactSim-Bench for evaluating the reactive capability of behavior world model simulation in autonomous driving. We decouple the control of agents and the AV, using AV behaviors that differ from the log and require agents to respond as independent AV inputs. To obtain these AV behaviors, we construct a pipeline that uses an AV planner model to generate candidate behaviors and filters the data using rules and manual verification. Collision metrics, map-based metrics, and kinematic feasibility metrics are used to evaluate the safety and rule compliance of reactive responses. We construct 2,636 test scenarios with three categories and conduct a systematic evaluation of state-of-the-art models across multiple architectures, including Transformer-based, diffusion-based, and next-token-prediction-based models. We further analyze how replan frequency affects performance and provide insights for future studies.
• Abstract（参考訳）: リアクティブ能力は、自律運転シミュレーションシステムのためのデータ駆動行動世界モデルシミュレータの重要な特性である。 この能力により、シミュレーションされた世界エージェントは、ログとは異なる自律走行車(AV)の振る舞いに効果的に対応できる。 しかし、既存の挙動シミュレーションベンチマークでは、リアクティブ機能を直接測定することはできない。 彼らはしばしばシミュレーターにAVとその周辺エージェントを共同で制御させ、ログの類似性やオープンループ予測メトリクスを通じてリアリズムを評価する。 本研究では,自律運転における行動世界モデルシミュレーションの反応性を評価するためのReactSim-Benchを紹介する。 エージェントとAVの制御を分離し、ログとは異なるAV動作を使用して、エージェントが独立したAV入力として応答するように要求する。 これらのAV動作を得るために、AVプランナーモデルを用いて候補行動を生成し、ルールと手動検証を用いてデータをフィルタリングするパイプラインを構築した。 反応性応答の安全性とルールコンプライアンスを評価するために、衝突メトリクス、マップベースのメトリクス、および運動可能なメトリクスが使用される。 我々は3つのカテゴリを持つ2,636のテストシナリオを構築し、トランスフォーマーベース、拡散ベース、次トーケン予測ベースモデルを含む複数のアーキテクチャにわたる最先端モデルの体系的評価を行う。 さらに、リプラン頻度がパフォーマンスにどのように影響するかを分析し、今後の研究に洞察を与える。

関連論文リスト

• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  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)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。 我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。 また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• CtRL-Sim: Reactive and Controllable Driving Agents with Offline Reinforcement Learning [38.63187494867502]
  CtRL-Simは、リターン条件付きオフライン強化学習(RL)を利用して、リアクティブで制御可能なトラフィックエージェントを効率的に生成する手法である。 CtRL-Simは,エージェントの挙動を詳細に制御しながら,現実的な安全クリティカルシナリオを生成可能であることを示す。
  論文  参考訳（メタデータ） (2024-03-29T02:10:19Z)
• 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)
• BITS: Bi-level Imitation for Traffic Simulation [38.28736985320897]
  データ駆動型アプローチを採用し,実世界の走行ログから交通挙動を学習する手法を提案する。 我々は,2つの大規模運転データセットのシナリオを用いて,BITS(Bi-level Imitation for Traffic Simulation)という手法を実証的に検証した。 コアコントリビューションの一環として、さまざまな駆動データセットにまたがるデータフォーマットを統合するソフトウェアツールを開発し、オープンソース化しています。
  論文  参考訳（メタデータ） (2022-08-26T02:17:54Z)

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。