安全性重視の交通シナリオ生成のための条件付きフローマッチングVAE
Conditional Flow-VAE for Safety-Critical Traffic Scenario Generation
現実のデータには稀な安全上重要なシナリオを、条件付き潜在フローマッチングを用いて現実的に生成する手法を提案した。
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: Zimu Gong, Brian Zhaoning Zhang, Chris Zhang, Kelvin Wong, Raquel Urtasun
分類: cs.RO, cs.LG
原文アブストラクト
Safety-critical scenarios are essential for the development of autonomous vehicles (AVs) but are rare in real-world driving data. While simulation offers a way to generate such scenarios, manually designed test cases lack scalability, and adversarial optimization often produces unrealistic behaviors. In this work, we introduce a conditional latent flow matching approach for scalable and realistic safety-critical scenario generation. Our method uses distribution matching to transform nominal scenes into safety-critical rollouts. Furthermore, we demonstrate that incorporating both simulation and real-world data enables our framework to efficiently generate diverse, data-driven scenarios. Experimental results highlight that our approach is able to more consistently and realistically generate novel safety-critical scenarios, making it a valuable tool for training and benchmarking AV systems.
関連論文
- 衝突スナップショット誘導による時間反転型安全臨界シナリオ生成自動運転/シナリオ生成
- CrashDiffuser: VLMガイドによる衝突意図推論を用いた高精度な安全臨界交通シナリオ生成自動運転/シナリオ生成
- Chat2Scenic: 自動運転シナリオ生成のための反復RAGベースフレームワーク自動運転/シナリオ生成
- RiskFlow: 高速かつ忠実な安全臨界交通シナリオ生成自動運転/シナリオ生成
- ラウンドアバウトにおける相互作用強度を調整可能なシナリオ生成自動運転/シナリオ生成
- 時空間論理によるニューロシンボリックシナリオ生成の誘導自動運転/シナリオ生成
