Apr, 2024

NeuroNCAP：自主驾驶的真实感闭环安全测试

PDF
TL;DR我们提出了一种灵活多用途的基于 NeRF 的模拟器，用于测试自动驾驶软件系统，重点关注传感器真实感闭环评估和创建安全关键场景。通过从实际驾驶传感器数据序列中学习，模拟器能够重构和渲染新的未见场景。我们使用该模拟器测试了自动驾驶模型对欧洲新车评估计划（Euro NCAP）所启发的安全关键场景的响应。我们的评估结果表明，虽然最先进的端到端规划器在开环环境中的正常驾驶场景中表现出色，但在闭环环境中导航我们的安全关键场景时存在严重缺陷，这凸显了端到端规划器在安全性和实际可用性方面的改进需要。通过以易于运行的评估套件的形式公开发布我们的模拟器和场景，我们邀请研究界在受控但高度可配置和具有挑战性的传感器真实环境中探索、完善和验证他们的自动驾驶模型。
发现论文，激发创造
  • Adv3D: 通过封闭环模拟生成安全关键的三维物体

    使用实际场景进行闭环传感器模拟以评估自主性能，通过优化车辆形状来研究场景外观变化对自主性能的影响。

    Nov, 2023

  • UniSim：神经闭环传感器模拟器

    UniSim 是一个神经传感器模拟器，它可以将一个由传感器设备的车辆记录的日志转化为逼真的闭环多传感器模拟，用于安全关键场景的闭环评估。

    Aug, 2023

  • NAVSIM：数据驱动的无反应自主车辆模拟与基准测试

    在这篇论文中，我们介绍了一种介于开环评估和闭环评估之间的评估范式，即使用大型数据集与非反应式模拟器相结合，实现大规模真实世界基准测试。我们展示了该方法在衡量终到终自动驾驶时更好地与闭环评估对齐，并在 CVPR 2024 的新竞赛中取得了一些新的见解。

    Jun, 2024

  • 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

  • Bench2Drive：闭环端到端自主驾驶的多能力基准测试

    自动驾驶技术正逐渐进入一个转折点，在数据驱动的方式下，通过端到端自动驾驶 (E2E-AD) 可扩展性，已经出现了一个具备变革性潜力的时代。然而，现有的 E2E-AD 方法主要是通过开环日志重放方式进行评估，使用 L2 误差和碰撞率作为度量标准，但这无法充分反映算法的驾驶表现。为了满足全自动驾驶 (FSD) 的全面、真实和公平的测试环境的首要需求，我们提出了 Bench2Drive，这是第一个在闭环方式下评估 E2E-AD 系统多项能力的基准测试。

    Jun, 2024

  • MARS: 一个面向实例的、模块化和逼真的自动驾驶模拟器

    基于神经辐射场（NeRF）的自主驾驶模拟器具有独立的前景模型和背景环境网络，支持模块化设计，实现了最新的照片级逼真效果，并将以开源形式发布，为自主驾驶模拟的学术进展和行业部署提供支持。

    Jul, 2023

  • 可控的安全关键闭环交通仿真：通过导向扩散

    评估自动驾驶车辆规划算法的性能需要模拟长尾交通场景。通过引入基于引导扩散模型的闭环模拟框架，我们提出一种新的方法来生成现实世界情景的安全关键场景，并通过增强的可控性使评估更全面和互动性更强。通过相关的引导目标，我们改善了道路进展，同时降低了碰撞和离道率，从而实现了这一目标。通过去噪过程中的对抗项，我们开发了一种模拟安全关键场景的新方法，使对抗性代理能够通过可行的操纵手段挑战规划器，同时场景中的所有代理均表现出反应灵敏和逼真的行为。我们通过使用 NuScenes 数据集的实证验证了我们的框架，证明了在现实性和可控性方面的改进。这些发现肯定了引导扩散模型为安全关键、互动式交通模拟提供了强大而通用的基础，进一步扩展了其在自动驾驶领域的实用性。请访问我们的项目页面（https URL）获取更多资源和演示。

    Dec, 2023

  • AdvSim: 为自动驾驶车辆生成关键安全场景

    本文介绍了 AdvSim，这是一个对任何基于 LiDAR 的自主系统生成安全关键场景的对抗性框架，通过直接从传感器数据模拟获取针对全自主栈的安全关键场景。

    Jan, 2021

  • 基于神经机器人平台的自主驾驶模拟器

    通过使用神经机器人平台及其 “引擎” 和 “转发器函数” 概念，本研究分析了开发新型模拟器实现真正真实世界仿真目标的潜力和可能性，并基于 NRP-Core 平台构建了一个自动驾驶系统，包括目标检测和自主控制。

    Dec, 2022

  • NuPlan: 一个基于闭环机器学习的自动驾驶规划基准

    本文提出了第一个基于机器学习的自动驾驶闭环规划基准测试，介绍了一个数据集、模拟器和规划特定度量的框架。数据集包含来自美国和亚洲四个城市的 1500 小时的人类驾驶数据，模拟器使用反应性代理程序，提供了大量的通用和特定场景的规划度量。

    Jun, 2021