日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

LiDAR生成arXiv:2509.11959

4D LiDARシーケンスの生成を学習する

Learning to Generate 4D LiDAR Sequences

シェア:XThreadsFacebookLINEはてブBluesky

自由形式の言語指示から編集可能な4D LiDARシーケンスを生成する統合フレームワークLiDARCrafterを提案し、シーン・物体・シーケンスレベルの評価ベンチマークEvalSuiteも提供する。

詳しい要約

1. どんなもの?

- LiDARCrafter は free-form language から編集可能な 4D LiDAR 系列を生成する統合フレームワーク。 - 指示を ego-centric scene graph に解析し、tri-branch diffusion model で object layout・trajectory・shape に変換。 - range-image diffusion model で初期 scan を生成し、autoregressive module で時間的に一貫した系列へ拡張。 - object-level editing(挿入・再配置など)を明示的 layout 設計で可能にする。 - EvalSuite という scene/object/sequence レベルの benchmark も提供。

2. 先行研究と比べてどこがすごい?

- 従来の generative world model は video や occupancy ベースの合成が中心で、LiDAR 生成は未開拓だった。 - 4D LiDAR への拡張は controllability・temporal stability・evaluation の課題がある。 - 本研究は free-form language からの制御可能な 4D LiDAR 生成と、EvalSuite による公平な評価基盤を提示。 - nuScenes で fidelity・controllability・temporal consistency の state-of-the-art を達成したと主張。

3. 技術・手法の肝は?

- 言語指示を ego-centric scene graph に変換。 - tri-branch diffusion model が object layout・trajectory・shape を生成。 - range-image diffusion model で初期 scan を生成。 - autoregressive module で初期 scan を時間的に一貫した系列へ拡張。 - 明示的 layout により object の挿入・再配置などの object-level editing を実現。

4. どうやって有効だと検証した?

- EvalSuite を提案し、scene-level・object-level・sequence-level の指標で評価。 - nuScenes 上で fidelity・controllability・temporal consistency を評価し、state-of-the-art を達成したと報告。 - 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?

- 4D LiDAR 生成における controllability・temporal stability・evaluation の課題を提起。 - EvalSuite により公平な評価を可能にすると主張。 - LiDAR ベースの simulation や data augmentation の基盤になると位置づけ。 - 限界や失敗事例、計算コストなどの詳細な議論は要旨からは不明。

6. 次に読むべき論文は?

- LiDARCrafter が比較対象とする video/occupancy ベースの generative world model 関連研究。 - range-image diffusion model および autoregressive LiDAR 生成の関連手法。 - nuScenes を用いた LiDAR 生成・4D 生成の先行研究。 - EvalSuite の詳細や、LiDAR-based simulation・data augmentation に関する研究。

※ 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

While generative world models have advanced video and occupancy-based data synthesis, LiDAR generation remains underexplored despite its importance for accurate 3D perception. Extending generation to 4D LiDAR data introduces challenges in controllability, temporal stability, and evaluation. We present LiDARCrafter, a unified framework that converts free-form language into editable LiDAR sequences. Instructions are parsed into ego-centric scene graphs, which a tri-branch diffusion model transforms into object layouts, trajectories, and shapes. A range-image diffusion model generates the initial scan, and an autoregressive module extends it into a temporally coherent sequence. The explicit layout design further supports object-level editing, such as insertion or relocation. To enable fair assessment, we provide EvalSuite, a benchmark spanning scene-, object-, and sequence-level metrics. On nuScenes, LiDARCrafter achieves state-of-the-art fidelity, controllability, and temporal consistency, offering a foundation for LiDAR-based simulation and data augmentation.

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