Feb, 2023

利用生成式 AI 模拟自主驾驶在车辆混合现实元宇宙中的应用

PDF
TL;DR本研究提出一种自动驾驶架构，利用生成式人工智能在模拟中合成无限的特定条件交通和驾驶数据以提高驾驶安全性和交通效率，并通过多任务增强式拍卖机制为道路侧单元提供精细的资源激励。
vehicular mixed realitydigital twin technologiesautonomous driving architecturegenerative aiincentive mechanism
发现论文，激发创造
  • 基于生成人工智能的机动车元宇宙中有效的物理虚拟同步

    本文提出了一种基于生成式 AI 的物理 - 虚拟同步框架，用于车辆元宇宙。在物理到虚拟同步方面，由自动驾驶汽车生成的数字孪生（DT）任务通过 RSU 进行执行，在生成未来路径的同时，通过生成式人工智能模型基于用户首选项对元宇宙 AR 推荐器（MARs）进行多样化和个性化的推荐。

    Jan, 2023

  • 基于数据驱动的交通仿真：综述

    自主驾驶车辆和数据驱动交通仿真的评估指标的综述与分析，探讨了自主驾驶车辆的性能验证挑战以及未来研究的方向。

    Oct, 2023

  • 自动驾驶中的模拟现实和数字孪生：综述

    本文探讨了自动驾驶技术中的安全性和成本问题，并介绍了通过两种技术解决虚拟仿真与实际场景差异带来的问题的研究进展：从仿真到真实场景的知识迁移（sim2real）和数字孪生的学习。同时，对算法、模型、仿真器的最新发展进行了概述，阐述了 sim2real 和数字孪生对自动驾驶领域的深远影响。

    May, 2023

  • 探索在驾驶数据合成中的生成式人工智能应用

    通过三种不同的生成式人工智能方法应用驾驶模拟器中的语义标签图作为创建真实数据集的桥梁，本文比较分析了这些方法的图像质量和感知能力，产生了包括驾驶图像和自动生成的高质量注释的新合成数据集，证明了扩散式方法可以提供改进的稳定性和解决 Sim2Real 挑战的替代方法。

    Apr, 2024

  • AIoT - 可控交通虚拟城市中基于多智能体深度强化学习的动态角色迁移与轨迹预测

    本研究提出了一个基于实时轨迹预测和多智能体深度强化学习技术的动态迁移框架，以解决虚拟汽车元宇宙中的任务迁移问题。数值结果表明，我们提出的算法可以有效地减少大约 25％的任务执行延迟，并改善用户在 AIoT-enabled Vehicular Metaverse (AeVeM) 中的沉浸式体验。

    Jun, 2023

  • 退出仿真：实现大规模强健和韧性自主车辆的道路

    利用模拟系统开发自动驾驶技术，以实现真实世界操作中的鲁棒性。

    Oct, 2022

  • 使用数据驱动算法的增强型自主驾驶仿真

    本文提出增强现实自动驾驶模拟 (AADS) 方法来帮助自动驾驶技术的开发和测试，使用 LiDAR 和相机扫描街道场景并生成高度真实的交通流量以用于场景复原，其兼具虚拟环境灵活性和真实世界的真实性，实现了全方位的自动驾驶系统感知到规划的端到端训练和测试。

    Jan, 2019

  • 基于扩散的动态无人机辅助车辆双子迁移在车辆元宇宙中的强化学习

    本文提出了一种基于动态无人机辅助的车辆双生物迁移框架，使用空地一体化网络中的无人机作为辅助服务器，以平衡 RSU 的负载并提高双生物迁移质量。模拟结果表明，与其他基准方案相比，基于扩散式强化学习算法和无人机辅助的方法效果更好。

    Jun, 2024

  • 深度强化学习对恶劣车库场景生成的研究

    自主车辆需要行驶超过 110 亿英里以确保其安全性。因此，在进行真实世界测试之前进行模拟测试的重要性是不言而喻的。近年来，以 Carla 和 CarSim 为代表的自主驾驶三维模拟器的发布，标志着自主驾驶模拟测试环境从简单的 2D 俯视图过渡到复杂的三维模型。本论文提出了一个基于深度强化学习的自动生成程序的框架，该框架可以生成不同的二维地面脚本代码，用于构建三维模型文件和地图模型文件。生成的三维地面场景在 Carla 模拟器中显示，实验者可以使用该场景进行导航算法模拟测试。

    Jul, 2024

  • SimGen：基于模拟器的驾驶场景生成

    通过混合模拟器和现实世界的数据，SimGen 模型能够学习生成具有多样性的驾驶场景，通过新颖的级联扩散管道解决了模拟到真实世界之间的差距和多条件冲突，并在保持可控性的基础上，获得卓越的生成质量和多样性。

    Jun, 2024