IntersectioNDE: 相互作用分離戦略に基づく複雑な都市交通ダイナミクスの学習
IntersectioNDE: Learning Complex Urban Traffic Dynamics based on Interaction Decoupling Strategy
都市交差点における自動車・自転車・歩行者が混在する複雑な交通を再現するため、大規模データセットCiCrossを構築し、相互作用分離戦略を用いたデータ駆動型シミュレータIntersectioNDEを提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Enli Lin, Ziyuan Yang, Qiujing Lu, Jianming Hu, Shuo Feng
分類: cs.RO, cs.SY, eess.SY
原文アブストラクト
Realistic traffic simulation is critical for ensuring the safety and reliability of autonomous vehicles (AVs), especially in complex and diverse urban traffic environments. However, existing data-driven simulators face two key challenges: a limited focus on modeling dense, heterogeneous interactions at urban intersections - which are prevalent, crucial, and practically significant in countries like China, featuring diverse agents including motorized vehicles (MVs), non-motorized vehicles (NMVs), and pedestrians - and the inherent difficulty in robustly learning high-dimensional joint distributions for such high-density scenes, often leading to mode collapse and long-term simulation instability. We introduce City Crossings Dataset (CiCross), a large-scale dataset collected from a real-world urban intersection, uniquely capturing dense, heterogeneous multi-agent interactions, particularly with a substantial proportion of MVs, NMVs and pedestrians. Based on this dataset, we propose IntersectioNDE (Intersection Naturalistic Driving Environment), a data-driven simulator tailored for complex urban intersection scenarios. Its core component is the Interaction Decoupling Strategy (IDS), a training paradigm that learns compositional dynamics from agent subsets, enabling the marginal-to-joint simulation. Integrated into a scene-aware Transformer network with specialized training techniques, IDS significantly enhances simulation robustness and long-term stability for modeling heterogeneous interactions. Experiments on CiCross show that IntersectioNDE outperforms baseline methods in simulation fidelity, stability, and its ability to replicate complex, distribution-level urban traffic dynamics.
関連論文
- SHRED: 専門家デモンストレーションなしの異種道路利用者のための自己対戦交通シミュレーション
- DiTSG: マルチエージェント拡散トランスフォーマーによる文脈認識型航空交通シーン生成交通シミュレーション
- Flow-ERD: エージェント種別を考慮したフローマッチングとエントロピー正則化蒸留による多様な交通シミュレーション交通シミュレーション
- 信号交差点の閉ループマイクロシミュレーションのための生成モデル交通シミュレーション
- 多交差点都市交通のためのコリドースケールCARLA-VISSIM共シミュレーションフレームワーク交通シミュレーション
- 閉ループ交通モデリングにおける局所観測と大域シミュレーションの橋渡し交通シミュレーション
