ScenarioNet：面向大规模交通场景仿真与建模的开源平台
机器人学
2023-10-31 v7
摘要
Waymo Open Dataset 和 nuScenes 等大规模驾驶数据集极大地推动了自动驾驶研究，尤其是 3D 检测和轨迹预测等感知任务。由于这些数据集中的驾驶日志包含 HD 地图和详尽的目标标注，能准确反映真实世界中交通行为的复杂性，我们可提取海量复杂交通场景并在仿真中重建其数字孪生。相较于现有仿真器中常用的手工设计场景，从真实世界收集的数据驱动场景可促进机器学习与自动驾驶领域的诸多研究机遇。本工作中，我们提出 ScenarioNet，一个用于大规模交通场景建模与仿真的开源平台。ScenarioNet 定义了统一的场景描述格式，并从 Waymo、nuScenes、Lyft L5 和 nuPlan 等多个驾驶数据集的异构数据中收集了大规模真实世界交通场景库。这些场景可在 MetaDrive 仿真器中以从鸟瞰图布局到逼真 3D 渲染的多种视角进一步回放与交互。这为在真实部署前于仿真中评估自动驾驶技术栈的安全性提供了基准。我们进一步展示了 ScenarioNet 在单智能体与多智能体设置下大规模场景生成、模仿学习和强化学习方面的优势。代码、演示视频与网站见 https://metadriverse.github.io/scenarionet。
引用
@article{arxiv.2306.12241,
title = {ScenarioNet: Open-Source Platform for Large-Scale Traffic Scenario Simulation and Modeling},
author = {Quanyi Li and Zhenghao Peng and Lan Feng and Zhizheng Liu and Chenda Duan and Wenjie Mo and Bolei Zhou},
journal= {arXiv preprint arXiv:2306.12241},
year = {2023}
}