日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転/3D知覚arXiv:2605.20390

STELLAR: 自動運転向け3D知覚大規模モデルのスケーリング

STELLAR: Scaling 3D Perception Large Models for Autonomous Driving

シェア:XThreadsFacebookLINEはてブBluesky

自動運転の3D知覚モデルを大規模化し、LiDAR・レーダー・カメラ・地図情報を統合して5000万データで学習し、Waymoデータセットで最高性能を達成した研究。

詳しい要約

1. どんなもの?

- 自動運転向け3D知覚大規模モデルSTELLARを提案。 - Sparse Window Transformerを基盤にLiDAR、radar、camera、map priorを統合。 - 5000万走行例、最大5億パラメータで学習。 - モデル性能と規模・データ・計算量の関係を分析。 - Waymo Open Dataset challengeで新SOTAを達成。

2. 先行研究と比べてどこがすごい?

- 従来の自動運転知覚モデルより大規模な学習を実施。 - 異種センサ融合と3D空間理解の課題に対処。 - モデル規模・データ・計算量のスケーリング傾向を実証。 - Waymo Open Dataset challengeで先行手法を大幅に上回る性能。 - 大規模学習が自動運転知覚に有効であることを示唆。

3. 技術・手法の肝は?

- Sparse Window Transformerをベースに拡張。 - 入力モダリティにLiDAR、radar、camera、map priorを追加。 - 大規模データセット(5000万例)で学習。 - 最大5億パラメータのモデルを訓練。 - スケーリング則を分析する実験設計。

4. どうやって有効だと検証した?

- Waymo Open Dataset challengeで評価。 - 先行研究と比較して大幅な性能向上を確認。 - 大規模実験によりスケーリング傾向を検証。 - モデル規模、データ、計算量と性能の関係を実証。 - 具体的な評価指標は要旨からは不明。

5. 議論はある?

- 大規模学習が自動運転知覚に有望であると結論。 - 異種センサ融合と3D空間理解の課題に取り組む。 - スケーリングの限界や課題については要旨からは不明。 - 計算コストや実用性に関する議論は要旨からは不明。 - 今後の研究方向性は示唆されている。

6. 次に読むべき論文は?

- Sparse Window Transformer(関連手法) - Waymo Open Dataset challenge(ベンチマーク) - 自動運転向け3D知覚の大規模モデル(同分野の定番) - LiDAR、radar、camera融合に関する研究(関連手法) - スケーリング則に関する研究(関連手法)

※ 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: Yingwei Li, Xin Huang, Yang Liu, Yang Fu, Alex Zihao Zhu, Chen Song, Junwen Yao, Anant Subramanian, Hao Xiang, Weijing Shi, Yuliang Zou, Tom Hoddes, Zhaoqi Leng, Govind Thattai, Dragomir Anguelov, Mingxing Tan

分類: cs.CV, cs.AI, cs.LG, cs.RO

原文アブストラクト

Model scaling has demonstrated remarkable success through large-scale training on diverse datasets. It remains an open question whether the same paradigm would apply to autonomous driving perception systems due to unique challenges, such as fusing heterogeneous sensor data and the need for sophisticated 3D spatial understanding. To bridge this gap, we present a comprehensive study on systematically analyzing the impact of scale on these systems. We develop our STELLAR model based on Sparse Window Transformer, by extending the input modalities to include LiDAR, radar, camera, and map prior. We train the model on a large-scale dataset of 50 million driving examples with up to 500 million parameters. Our large-scale experiments reveal empirical scaling trends that connect model performance to model size, data, and compute. The resulting model establishes a new state-of-the-art on the Waymo Open Dataset challenge, outperforming prior arts by a large margin. Our work demonstrates that large-scale training is a highly promising path for advancing the capabilities of perception models for autonomous driving.

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