生成式 AI 赋能的车载混合现实元宇宙中自动驾驶仿真
人工智能
2023-02-17 v1 网络与互联网体系结构
摘要
在车载混合现实（MR）元宇宙中，可通过在自动驾驶系统中以多维通信融合物理与虚拟环境来克服物理与虚拟实体间的距离。在数字孪生（DT）技术辅助下，联网自动驾驶车辆（AV）、路侧单元（RSU）和虚拟模拟器可通过数字仿真维持车载 MR 元宇宙，以共享数据并协作制定驾驶决策。然而，在自动驾驶系统中通过从物理世界进行真实数据收集与融合来实现大规模交通与驾驶仿真，用于在线预测与离线训练，是困难且昂贵的。在本文中，我们提出一种自动驾驶架构，其中利用生成式 AI 在仿真中合成无限的受条件约束的交通与驾驶数据，以提升驾驶安全性与交通效率。首先，我们提出一种多任务 DT 卸载模型，用于在 RSU 上可靠执行具有不同需求的异构 DT 任务。然后，基于 AV 的 DT 偏好与收集的真实数据，虚拟模拟器可合成无限的受条件约束驾驶与交通数据集以进一步提升鲁棒性。最后，我们提出一种多任务增强的基于拍卖的机制，为 RSU 提供用于自动驾驶资源供给的细粒度激励。性质分析与实验结果表明，所提机制与架构分别为防策略操纵与有效的。
引用
@article{arxiv.2302.08418,
title = {Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses},
author = {Minrui Xu and Dusit Niyato and Junlong Chen and Hongliang Zhang and Jiawen Kang and Zehui Xiong and Shiwen Mao and Zhu Han},
journal= {arXiv preprint arXiv:2302.08418},
year = {2023}
}