Oct, 2023

Waymax: 大规模自动驾驶研究的加速、数据驱动模拟器

PDF
TL;DRWaymax 是一个新的基于数据驱动的自动驾驶多代理场景模拟器，它使用真实世界的驾驶数据初始化和回放多样的模拟场景，并支持训练中的图内模拟，适用于现代的大规模分布式机器学习工作流程。它还包括多个学习和硬编码的行为模型，以支持在模拟环境中进行真实交互。通过对不同设计决策进行消融研究，我们还对一套常用的模仿学习和强化学习算法进行了基准测试，强调了路线规划对规划代理的有效性以及强化学习对模拟代理的过拟合能力。
simulationautonomous drivingmulti-agent scenesmachine learningbehavior models
发现论文，激发创造
  • 用可扩展的生成模型解决运动规划任务

    基于生成模型的高效模拟器可用于改进自动驾驶系统的可扩展性、安全性和降低工程成本，这种创新设计可用于生成各种驾驶场景，提高推理和训练速度，适用于在线强化学习、规划策略评估和测试的高保真度仿真器。

    Jul, 2024

  • 交通系统优化基准测试的 GPU 加速大规模模拟器

    基于人工智能技术的交通系统优化的研究，通过提出的 GPU 加速大规模微观仿真器，支持大规模交通系统仿真以及常见的优化场景，加速了数据采样过程，为交通系统的决策优化提供了有效工具。

    Jun, 2024

  • TrafficSim：学习模拟真实多智体行为

    利用 TrafficSim 模拟真实的自动驾驶系统中的多智能体交通模型，以更多样化的人类演示数据为基础，生成人类社交一致的行驶计划，生成更真实、更多样化的交通场景，可作为训练更好的运动规划员的有效数据增强。

    Jan, 2021

  • SUMMIT: 大规模混合交通中的城市驾驶模拟器

    本文介绍了 SUMMIT 模拟器，它使用开源 OpenStreetMap 地图数据库和我们早期工作中开发的多智能体运动预测模型，在密集的、无规则的城市交通中模拟异构智能体的行为，支持感知、车辆控制和规划以及端到端学习等广泛应用，在具有挑战性的拥挤驾驶场景中生成复杂、逼真的交通行为，并提供上下文感知的规划器和基准测试场景。

    Nov, 2019

  • GarchingSim：具备逼真场景和简洁工作流程的自动驾驶模拟器

    用于评估自动驾驶算法的仿真器，具有逼真的场景、用户友好的工作流程和高度准确的车辆动力学模型。

    Jan, 2024

  • OASim：基于神经渲染的开放自适应驾驶模拟器

    通过隐式渲染技术和生成模型对数据进行生成，我们提出了 OASim，一种自适应的开放式模拟器和自动驾驶数据生成器，具有高质量的场景重建、轨迹编辑、车辆模型库、传感器模型库和可定制的数据生成系统等特点。

    Feb, 2024

  • 面向自动驾驶的大规模交互式运动预测：Waymo 开放运动数据集

    该研究介绍了当前最全面的交互式动作数据集，包含超过 100,000 个场景，用于发展动作规划模型与提供强大的基线模型来对单独或多个交互式对象进行预测，并提供了新的度量方法。

    Apr, 2021

  • 自适应世界模型的自动驾驶规划

    模型预测控制基于 BehaviorNet 的 AdaptiveDriver 在 nuPlan 闭环规划基准中取得了最先进的结果，将测试误差从 6.4％降低到 4.6％，即使应用于以前未见的城市。

    Jun, 2024

  • Waymo 开放式模拟代理挑战赛

    定义 Waymo Open Sim Agents Challenge (WOSAC) 为训练自动驾驶的实际模拟器的公开挑战，提出评估方法并呈现许多不同基线模拟代理的初步结果。

    May, 2023

  • SimNet：从真实观测中学习反应式自动驾驶模拟

    本文提出了一种利用深度神经网络建模驾驶安全体验的简单的端到端可训练式机器学习系统，可以用于验证自动驾驶系统的性能，而无需进行昂贵且耗时的道路测试。

    May, 2021