論文の概要: Pictura: Perspective-View Self-Play at Scale for Driving

• arxiv url: http://arxiv.org/abs/2607.26005v1
• Date: Tue, 28 Jul 2026 17:20:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.947741
• Title: Pictura: Perspective-View Self-Play at Scale for Driving
• Title（参考訳）: Pictura: 自動運転のためのスケールでのパースペクティブビューのセルフプレイ
• Abstract要約: 我々はGPUアクセラレーション駆動シミュレータであるPicturaを紹介し、各エージェントのエゴセントリックなビューを各ステップでレンダリングする。 Picturaは、単一のH100上で最大500Kのエージェントステップ/s(2Mイメージ/s)を持続する。 これは、特権的な観察なしに視点画像から直接訓練された最初の大規模自動運転政策である。
• 参考スコア（独自算出の注目度）: 80.56728858364484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-play in simulation produces robust driving policies at scale. Demonstrations of such behavior have been made using privileged vectorized observations such as exact poses and velocities, even for occluded agents. This assumes that perception is solved and introduces a representation gap with the partial observation of a deployed agent driving from the perspective view of egocentric cameras. A common fix, distilling the privileged policy into a camera-input student, leaves the student imitating decisions its own view cannot justify. Instead, we establish perspective-view self-play as a practical training regime. We introduce Pictura, a GPU-accelerated multi-agent driving simulator that renders each agent's egocentric view at every step, mitigating the representation gap at its source. Pictura sustains up to 500K agent-steps/s (2M images/s) on a single H100. Using Pictura, we train Alberti by self-play with plain PPO. It is the first large-scale driving self-play policy trained directly from perspective images, without privileged observations. Training spans 50B agent steps for ~35M km of driving. It approaches the driving performance of its privileged vectorized counterpart, and transfers zero-shot to Waymo Open Motion Dataset layouts re-rendered in Pictura, where it outperforms privileged vectorized agents. Project page: https://valeoai.github.io/Pictura/
• Abstract（参考訳）: シミュレーションにおけるセルフプレイは、大規模に堅牢な駆動ポリシーを生成する。 このような行動の実証は、隠蔽されたエージェントであっても、正確なポーズや速度のような特権化されたベクトル化された観察によってなされてきた。 このことは、認識が解決され、エゴセントリックカメラの視点から運転する展開エージェントの部分的な観察と表現ギャップが生じることを前提としている。 カメラ入力の学生に特権的なポリシーを蒸留する一般的な修正は、学生が自身の見解を模倣する判断は正当化できない。 代わりに、実践的なトレーニング体制として視点的なセルフプレイを確立します。 我々はGPUアクセラレーションによるマルチエージェント駆動シミュレータであるPicturaを紹介し、各エージェントのエゴセントリックなビューを各ステップでレンダリングし、ソースでの表現ギャップを緩和する。 Picturaは、単一のH100上で最大500Kのエージェントステップ/s(2Mイメージ/s)を持続する。 Picturaを使って、私たちはAlbertiをプレーンなPPOでセルフプレイで訓練します。 これは、特権的な観察なしに視点画像から直接訓練された最初の大規模自動運転政策である。 訓練は50Bのエージェントステップで約35Mkmの走行が可能である。 特権化されたベクトル化されたエージェントの駆動性能に近づき、特権化されたベクトル化されたエージェントよりも優れる、Picturaで再レンダリングされたWaymo Open Motion Datasetレイアウトにゼロショットを転送する。 プロジェクトページ: https://valeoai.github.io/Pictura/

関連論文リスト

• TerraZero: Procedural Driving Simulation for Zero-Demonstration Self-Play at Scale [18.077282979391423]
  TerraZeroはプロシージャ駆動シミュレータとセルフプレイトレーニングスタックである。 CエンジンはCPU上でシミュレーションを実行し、GPU上でゼロコピーパス上でポリシー推論を行う。 報告されたすべてのポリシーは、計算効率のよいセルフプレイレシピだけで強化学習によってゼロから訓練される。
  論文  参考訳（メタデータ） (2026-07-14T17:59:02Z)
• Scaling Self-Play for End-to-End Driving [40.15606566638922]
  Gigapixelは、視点レンダリングを備えた高スループットバッチ駆動シミュレータである。 我々は、特権的なRL教師からのオンライン蒸留を通じて、自己再生における画素ベースの政策を訓練する。 我々は、自己学習されたポリシーを、軽量な知覚適応を通して現実世界のセンサーデータに転送する。
  論文  参考訳（メタデータ） (2026-06-17T22:39:11Z)
• Robust Autonomy Emerges from Self-Play [63.44745854476206]
  我々は、前例のない規模のシミュレーションにおいて、頑健で自然主義的な運転が、完全に自己プレイから現れることを示す。 Gigaflowは、42年間の主観的な運転体験を1時間に合成し、訓練することができる。
  論文  参考訳（メタデータ） (2025-02-05T16:41:05Z)
• HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving [48.84595398410479]
  HUGSIMは、自律運転アルゴリズムを評価するためのクローズドループ、フォトリアリスティック、リアルタイムシミュレータである。 我々は、視点外挿や360度車両レンダリングを含む閉ループシナリオにおける新しいビュー合成の課題に取り組む。 HUGSIMは、KITTI-360、nuScenes、PandaSetから70以上のシーケンスにまたがる包括的なベンチマークと400以上のさまざまなシナリオを提供する。
  論文  参考訳（メタデータ） (2024-12-02T17:07:59Z)
• Linking vision and motion for self-supervised object-centric perception [16.821130222597155]
  オブジェクト中心の表現は、自律運転アルゴリズムが多くの独立したエージェントとシーンの特徴の間の相互作用を推論することを可能にする。 伝統的にこれらの表現は教師付き学習によって得られてきたが、これは下流の駆動タスクからの認識を分離し、一般化を損なう可能性がある。 我々は、RGBビデオと車両のポーズを入力として、自己教師対象中心の視覚モデルを適用してオブジェクト分解を行う。
  論文  参考訳（メタデータ） (2023-07-14T04:21:05Z)
• Policy Pre-training for End-to-end Autonomous Driving via Self-supervised Geometric Modeling [96.31941517446859]
  PPGeo (Policy Pre-training via Geometric Modeling) は,視覚運動運転における政策事前学習のための,直感的かつ直接的な完全自己教師型フレームワークである。 本研究では,大規模な未ラベル・未校正動画の3次元幾何学シーンをモデル化することにより,ポリシー表現を強力な抽象化として学習することを目的とする。 第1段階では、幾何モデリングフレームワークは、2つの連続したフレームを入力として、ポーズと深さの予測を同時に生成する。 第2段階では、視覚エンコーダは、将来のエゴモーションを予測し、現在の視覚観察のみに基づいて測光誤差を最適化することにより、運転方針表現を学習する。
  論文  参考訳（メタデータ） (2023-01-03T08:52:49Z)
• Estimation of Appearance and Occupancy Information in Birds Eye View from Surround Monocular Images [2.69840007334476]
  Birds-eye View (BEV)は、トップダウンビューから、エゴ車両フレーム内の異なる交通参加者の位置を表す。 360デグ視野(FOV)をカバーするモノクラーカメラのアレイから、様々な交通参加者の外観や占有情報をキャプチャする新しい表現を提案する。 我々は、すべてのカメラ画像の学習画像埋め込みを使用して、シーンの外観と占有度の両方をキャプチャする瞬間に、シーンのBEVを生成する。
  論文  参考訳（メタデータ） (2022-11-08T20:57:56Z)
• Self-Supervised Steering Angle Prediction for Vehicle Control Using Visual Odometry [55.11913183006984]
  視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。 車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-20T16:29:01Z)
• Learning by Cheating [72.9701333689606]
  この難解な学習問題を2段階に分解することで単純化できることを示す。 提案手法を用いて、視覚に基づく自律運転システムの訓練を行い、芸術の状況を大幅に上回っている。 提案手法は,従来のCARLAベンチマークのすべてのタスクにおける100%の成功率を初めて達成し,NoCrashベンチマークに新しい記録を樹立し,従来の技術と比較すると,屈折率を桁違いに低減する。
  論文  参考訳（メタデータ） (2019-12-27T18:59:04Z)

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。