エージェント駆動による自動運転のロングテールシミュレーション
Agent-driven Long-tail Simulation for Autonomous Driving
自動運転の閉ループ評価のため、大規模言語モデルで制御される周辺エージェントを導入し、多様な指示に従うインタラクティブなロングテールシナリオを生成するフレームワークを提案した。
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: Junru Gu, Lijin Yang, Jianing Huang, Shu Liu, Zhongzhan Huang, Hang Zhao
分類: cs.RO, cs.CV
原文アブストラクト
Evaluating autonomous driving systems in closed-loop settings requires realistic and interactive simulation, yet existing simulators largely rely on log replay or rule-based agents, limiting behavioral diversity and long-tail coverage. We propose an agent-driven simulation framework in which surrounding road participants are controlled by instruction-following large language models through a structured action interface, enabling intentional and reactive behaviors while preserving physical plausibility. Furthermore, we introduce SemanticPlan, a benchmark of closed-loop planning in long-tail and semantically rich scenarios that augment real nuPlan scenes with multiple interactive agents following diverse language instructions. Evaluation results show that state-of-the-art planners still struggle to consistently achieve safe and effective task completion, suggesting that these long-tail scenarios remain challenging.
関連論文
- 制御可能でフォトリアルな歩行者危険動作生成によるエンドツーエンド運転安全評価自動運転/シミュレーション
- BehaviorWorldGen: 行動モデルとワールドシミュレータのループを閉じる、制御可能な行動認識型構造化ワールド生成自動運転/シミュレーション
- DecoupleGS: エンドツーエンド自動運転テストのためのインタラクティブ3Dガウススプラッティング自動運転/シミュレーション
- TerraZero: ゼロデモンストレーション自己対戦スケールのための手続き型運転シミュレーション自動運転/シミュレーション
- CARLA-GS: 自動運転コーナーケース合成のための表現・推論・物理シミュレーションの分離自動運転/シミュレーション
- ReactSim-Bench: 自動運転における反応的行動ワールドモデルシミュレーションのベンチマーク自動運転/シミュレーション
