基于交错自回归运动与场景生成的长期交通仿真
计算机视觉与模式识别
2025-08-06 v2 人工智能
机器人学
摘要
理想的交通仿真器应复制自主驾驶系统在部署过程中经历的真实长期点对点行程。现有模型和基准测试侧重于闭环运动仿真，针对场景中初始代理人。这对长期仿真存在问题。代理人在 ego 车进入新区域时进入和退出场景。我们提出 InfGen，一种统一的下一词预测模型，执行交错的闭环运动仿真和场景生成。InfGen 自动在闭环运动仿真和场景生成模式之间切换。它实现了稳定的长期滚动仿真。InfGen 在短期（9 秒）交通仿真中达到最前沿水平，在长期（30 秒）仿真中显著优于所有其他方法。InfGen 的代码和模型将在 https://orangesodahub.github.io/InfGen 发布。
引用
@article{arxiv.2506.17213,
title = {Long-term Traffic Simulation with Interleaved Autoregressive Motion and Scenario Generation},
author = {Xiuyu Yang and Shuhan Tan and Philipp Krähenbühl},
journal= {arXiv preprint arXiv:2506.17213},
year = {2025}
}
备注
ICCV 2025. Project page: https://orangesodahub.github.io/InfGen Code: https://github.com/OrangeSodahub/infgen