日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

sim2realarXiv:2506.09981

ReSim: 自動運転のための信頼性の高い世界シミュレーション

ReSim: Reliable World Simulation for Autonomous Driving

シェア:XThreadsFacebookLINEはてブBluesky

実世界の運転データにシミュレータ由来の非専門家データを加え、危険な行動も含む多様な運転シナリオを制御可能に生成する世界モデルを構築し、報酬推定モジュールと組み合わせて政策評価性能を向上させた。

詳しい要約

1. どんなもの?

- 自動運転のための信頼性の高い未来シミュレーションを実現するworld model「ReSim」を提案。 - 実世界の人間のデモンストレーションに加え、CARLAなどのdriving simulatorから収集した多様な非エキスパートデータを組み合わせて訓練。 - 制御可能なworld modelで、危険な非エキスパート行動を含む様々な行動下での運転シナリオをシミュレート可能。 - シミュレーション結果から報酬を推定するVideo2Rewardモジュールも導入。

2. 先行研究と比べてどこがすごい?

- 従来のdriving world modelは主に安全なエキスパート軌跡からなる実世界データのみで訓練されていたため、危険または非エキスパート行動に追従することが困難であった。 - ReSimは非エキスパートデータを組み込むことで、幅広い行動下でのシミュレーションを可能にし、policy evaluationなどのタスクへの適用範囲を拡大。 - 実験的に最大44%の視覚的忠実度向上、エキスパート/非エキスパート行動の制御性が50%以上改善、NAVSIMでのplanning性能2%向上、policy selection性能25%向上を達成。

3. 技術・手法の肝は?

- ビデオ生成器としてdiffusion transformerアーキテクチャを採用。 - 条件付け信号を効果的に統合し、予測の制御性と忠実度を向上させるための複数の戦略を考案。 - 実世界データとシミュレータデータの異種混合コーパスで訓練。 - Video2Rewardモジュールにより、シミュレートされた未来から報酬信号を推定し、行動評価を可能にする。

4. どうやって有効だと検証した?

- 視覚的忠実度の向上(最大44%)、エキスパート/非エキスパート行動の制御性改善(50%以上)を定量的に評価。 - NAVSIMベンチマークにおいて、planning性能が2%向上、policy selection性能が25%向上したことを示す。 - これらの結果から、ReSimパラダイムの有効性を検証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- CARLA(driving simulator) - diffusion transformer(ビデオ生成器のアーキテクチャ) - NAVSIM(評価ベンチマーク) - 関連するdriving world modelの研究(具体的な論文名は要旨に記載なし)

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jiazhi Yang, Kashyap Chitta, Shenyuan Gao, Long Chen, Yuqian Shao, Xiaosong Jia, Hongyang Li, Andreas Geiger, Xiangyu Yue, Li Chen

分類: cs.CV, cs.RO

原文アブストラクト

How can we reliably simulate future driving scenarios under a wide range of ego driving behaviors? Recent driving world models, developed exclusively on real-world driving data composed mainly of safe expert trajectories, struggle to follow hazardous or non-expert behaviors, which are rare in such data. This limitation restricts their applicability to tasks such as policy evaluation. In this work, we address this challenge by enriching real-world human demonstrations with diverse non-expert data collected from a driving simulator (e.g., CARLA), and building a controllable world model trained on this heterogeneous corpus. Starting with a video generator featuring a diffusion transformer architecture, we devise several strategies to effectively integrate conditioning signals and improve prediction controllability and fidelity. The resulting model, ReSim, enables Reliable Simulation of diverse open-world driving scenarios under various actions, including hazardous non-expert ones. To close the gap between high-fidelity simulation and applications that require reward signals to judge different actions, we introduce a Video2Reward module that estimates a reward from ReSim's simulated future. Our ReSim paradigm achieves up to 44% higher visual fidelity, improves controllability for both expert and non-expert actions by over 50%, and boosts planning and policy selection performance on NAVSIM by 2% and 25%, respectively.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI