日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

4D生成arXiv:2508.03692

LiDARCrafter: LiDAR系列からの動的4D世界モデリング

LiDARCrafter: Dynamic 4D World Modeling from LiDAR Sequences

シェア:XThreadsFacebookLINEはてブBluesky

自然言語指示からLiDARの4Dシーケンスを生成・編集する統合フレームワークを提案し、nuScenesで最先端の忠実性・制御性・時間的一貫性を達成した。

詳しい要約

1. どんなもの?

- LiDARCrafterは、LiDAR系列から動的な4D世界モデリングを行う統合フレームワーク - 4D LiDARの生成と編集を統一して扱う - 自由形式の自然言語入力を受け付ける - 対象は自動運転向けの生成的世界モデル - 既存研究がvideoやoccupancy grid中心なのに対し、LiDAR固有の性質を考慮 - 生成だけでなく編集機能も備える - ego-centric scene graphを介した条件付け - 評価のための包括的benchmarkも提案 - scene/object/sequenceレベルの指標を含む

2. 先行研究と比べてどこがすごい?

- 既存の生成的世界モデルはvideoやoccupancy gridに偏り、LiDAR特性を軽視 - LiDARCrafterはLiDAR生成を動的4D世界モデリングへ拡張 - 従来のLiDAR生成に対し、controllability・temporal coherence・評価標準化の課題に対処 - 自然言語からの制御可能な生成編集を実現 - autoregressive moduleで時間的に一貫した4D系列を生成 - 標準化benchmarkを新たに構築 - scene/object/sequenceレベルの多面的指標を整備 - nuScenes上でfidelity・controllability・temporal consistencyの全レベルでstate-of-the-artと報告

3. 技術・手法の肝は?

- 自由形式の自然言語入力をego-centric scene graphへ解析 - 指示を構造化条件に変換 - tri-branch diffusion networkで条件付け生成 - object structures、motion trajectories、geometryを生成 - 構造化条件により多様で細粒度なscene editingが可能 - autoregressive moduleで時間的一貫性を担保 - 滑らかな遷移を持つ4D LiDAR系列を生成 - 生成と編集を同一フレームワークで統合 - 詳細なアーキテクチャや損失は要旨からは不明

4. どうやって有効だと検証した?

- nuScenes dataset上で実験 - 新規に構築した包括的benchmarkを使用 - scene-, object-, sequence-levelの指標で評価 - fidelity、controllability、temporal consistencyの全レベルでstate-of-the-artを達成と報告 - 具体的な数値や比較手法の詳細は要旨からは不明

5. 議論はある?

- データ拡張やシミュレーションへの応用可能性を提示 - 自動運転のdata augmentationとsimulationへの道を開く - コードとbenchmarkをコミュニティに公開 - 限界や失敗事例、計算コスト、一般化性に関する議論は要旨からは不明 - benchmarkの妥当性や指標設計の詳細も要旨からは不明

6. 次に読むべき論文は?

- nuScenes datasetを用いたLiDAR生成研究 - occupancy gridベースの生成的世界モデル - videoベースの生成的世界モデル - diffusion networkを用いた3D/4D生成手法 - autoregressiveな時系列生成モデル - 自動運転向けdata augmentationおよびsimulation研究

※ 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: Ao Liang, Youquan Liu, Yu Yang, Dongyue Lu, Linfeng Li, Lingdong Kong, Huaici Zhao, Wei Tsang Ooi

分類: cs.CV, cs.RO

原文アブストラクト

Generative world models have become essential data engines for autonomous driving, yet most existing efforts focus on videos or occupancy grids, overlooking the unique LiDAR properties. Extending LiDAR generation to dynamic 4D world modeling presents challenges in controllability, temporal coherence, and evaluation standardization. To this end, we present LiDARCrafter, a unified framework for 4D LiDAR generation and editing. Given free-form natural language inputs, we parse instructions into ego-centric scene graphs, which condition a tri-branch diffusion network to generate object structures, motion trajectories, and geometry. These structured conditions enable diverse and fine-grained scene editing. Additionally, an autoregressive module generates temporally coherent 4D LiDAR sequences with smooth transitions. To support standardized evaluation, we establish a comprehensive benchmark with diverse metrics spanning scene-, object-, and sequence-level aspects. Experiments on the nuScenes dataset using this benchmark demonstrate that LiDARCrafter achieves state-of-the-art performance in fidelity, controllability, and temporal consistency across all levels, paving the way for data augmentation and simulation. The code and benchmark are released to the community.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI