KiGRAS：基于运动学驱动的真实智能体仿真生成模型
机器人学
2024-07-19 v1 计算机视觉与模式识别
摘要
轨迹生成是自动驾驶中的关键任务。近期研究引入了自回归范式，利用状态转移模型来逼近未来轨迹分布。这种范式 closely 类似于现实世界中的轨迹生成过程，并取得了显著成果。然而，其潜力受限于在冗余状态空间中对真实轨迹的无效表示。为解决此限制，我们提出了基于运动学驱动的真实智能体仿真生成模型（KiGRAS）。不同于在状态空间中建模，KiGRAS 将驾驶场景分解为每个时间步的动作概率分布，从而提供一种紧凑的空间来表示真实驾驶模式。通过建立从动作（原因）到轨迹（结果）的物理因果关系，KiGRAS 利用运动学模型消除了大量冗余轨迹。由动作在原因空间中推导出的所有状态都受物理可行性约束。此外，代表相同动作序列的冗余轨迹被映射到相同的表示，反映其潜在动作。这一方法显著降低了任务复杂度，确保了物理可行性。KiGRAS 在 Waymo 的 SimAgents 挑战中取得了最新性能，凭借显著 fewer 参数在 WOMD 排行榜上名列第一。视频文档可在 https://kigras-mach.github.io/KiGRAS/ 查看。
引用
@article{arxiv.2407.12940,
title = {KiGRAS: Kinematic-Driven Generative Model for Realistic Agent Simulation},
author = {Jianbo Zhao and Jiaheng Zhuang and Qibin Zhou and Taiyu Ban and Ziyao Xu and Hangning Zhou and Junhe Wang and Guoan Wang and Zhiheng Li and Bin Li},
journal= {arXiv preprint arXiv:2407.12940},
year = {2024}
}