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/自己対戦学習arXiv:2607.26005

Pictura: 運転のためのスケールでの視点ビュー自己対戦

Pictura: Perspective-View Self-Play at Scale for Driving

シェア:XThreadsFacebookLINEはてブBluesky

GPU加速シミュレータPicturaを導入し、各エージェントの視点画像を用いた自己対戦学習で運転ポリシーを訓練。特権的な観測を使わずに、大規模な画像ベースの自己対戦学習を実現した。

詳しい要約

1. どんなもの?

Picturaは、GPUアクセラレーションによるマルチエージェント運転シミュレータであり、各エージェントの自己中心視点(egocentric view)を毎ステップレンダリングすることで、シミュレーションにおける表現ギャップ(representation gap)を軽減する。このシミュレータを用いて、自己プレイ(self-play)とPPOアルゴリズムにより、カメラ画像のみから直接学習する運転ポリシーAlbertiを訓練した。Albertiは、特権的な観測(exact posesやvelocities)を用いず、大規模な自己プレイ(50B agent steps、約35M km)により、特権的なベクトル観測を用いたポリシーに匹敵する運転性能を達成し、Waymo Open Motion Datasetのレイアウトにゼロショット転送した場合には、特権的なベクトル観測エージェントを上回る性能を示した。

2. 先行研究と比べてどこがすごい?

従来の自己プレイによる運転ポリシー学習は、特権的なベクトル化された観測(正確な位置や速度、遮蔽されたエージェントの情報を含む)を用いており、知覚が解決済みであると仮定し、展開時の部分観測との表現ギャップがあった。一般的な修正方法は、特権的ポリシーをカメラ入力の学生モデルに蒸留することだが、学生は自身の視点では正当化できない決定を模倣することになる。Picturaは、各エージェントの自己中心視点を毎ステップレンダリングすることで、表現ギャップを根本的に軽減し、特権的観測なしで直接カメラ画像から自己プレイを可能にした点が新しい。

3. 技術・手法の肝は?

Picturaは、GPUアクセラレーションにより、単一のH100上で毎秒最大500Kエージェントステップ(2M画像/秒)を処理する。各エージェントの自己中心視点を毎ステップレンダリングすることで、部分観測を正確にシミュレートする。Albertiは、このシミュレータ上で、特権的観測を用いず、プレーンなPPOアルゴリズムによる自己プレイで訓練された。訓練は50Bエージェントステップ、約35M kmの運転に相当する。

4. どうやって有効だと検証した?

Albertiの性能は、特権的なベクトル観測を用いたポリシーと比較され、その運転性能に近づくことが示された。さらに、Waymo Open Motion DatasetのレイアウトをPicturaで再レンダリングし、ゼロショット転送した場合、Albertiは特権的なベクトル観測エージェントを上回る性能を発揮した。

5. 議論はある?

要旨からは、議論の詳細は不明であるが、自己プレイによる大規模学習の計算コストや、シミュレーションと実世界のギャップ(sim-to-real gap)に関する議論が考えられる。また、Picturaのレンダリングが現実のカメラ画像とどの程度一致するか、という点も議論の対象となり得る。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、特権的観測を用いた自己プレイ(例: ベクトル化された観測による自己プレイ)や、蒸留によるカメラ入力ポリシーへの変換手法が挙げられる。また、Waymo Open Motion Datasetを使用していることから、このデータセットを用いた他の研究も関連する。具体的な論文名は要旨に記載がないため、同分野の定番として、シミュレーション環境(例: CARLA)や自己プレイを用いた運転研究を参照することが推奨される。

※ 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: Yuan Yin, Elias Ramzi, Marc Lafon, Valentin Charraut, Victor Bares, Yihong Xu, Éloi Zablocki, Alexandre Boulch, Thibault Buhet, Andrei Bursuc, Matthieu Cord

分類: cs.CV, cs.AI, cs.RO

原文アブストラクト

Self-play in simulation produces robust driving policies at scale. Demonstrations of such behavior have been made using privileged vectorized observations such as exact poses and velocities, even for occluded agents. This assumes that perception is solved and introduces a representation gap with the partial observation of a deployed agent driving from the perspective view of egocentric cameras. A common fix, distilling the privileged policy into a camera-input student, leaves the student imitating decisions its own view cannot justify. Instead, we establish perspective-view self-play as a practical training regime. We introduce Pictura, a GPU-accelerated multi-agent driving simulator that renders each agent's egocentric view at every step, mitigating the representation gap at its source. Pictura sustains up to 500K agent-steps/s (2M images/s) on a single H100. Using Pictura, we train Alberti by self-play with plain PPO. It is the first large-scale driving self-play policy trained directly from perspective images, without privileged observations. Training spans 50B agent steps for ~35M km of driving. It approaches the driving performance of its privileged vectorized counterpart, and transfers zero-shot to Waymo Open Motion Dataset layouts re-rendered in Pictura, where it outperforms privileged vectorized agents. Project page: https://valeoai.github.io/Pictura/

  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