TeraSim-World：面向全球安全关键自动驾驶的数据合成
机器人学
2025-09-18 v2 系统与控制
系统与控制
摘要
安全可扩展地部署端到端 (E2E) 自动驾驶需要大量且多样化的数据，尤其是安全关键事件。现有数据大多来自于具有显著 sim-to-real 差距的仿真器，或收集自道路测试中成本高昂且不安全的环境。本文提出 TeraSim-World，这是一个自动化管道，用于在世界任何位置合成真实且地理多样化的安全关键数据，以支持端到端自动驾驶。从任意位置开始，TeraSim-World 从地理空间数据源检索真实地图和交通需求。随后，它从自然驾驶数据集中模拟 agent 行为，并编排多样化的挑战以创建角落案例。依据该位置的街景视图，通过前沿视频生成模型 Cosmos-Drive 实现光谱感知、地理锚定的传感器渲染。通过桥接 agent 与传感器仿真，TeraSim-World 为训练和评估端到端自动驾驶系统提供了可扩展且关键的数据合成框架。代码和视频可在 https://wjiawei.com/terasim-world-web/ 获取。
关键词
引用
@article{arxiv.2509.13164,
title = {TeraSim-World: Worldwide Safety-Critical Data Synthesis for End-to-End Autonomous Driving},
author = {Jiawei Wang and Haowei Sun and Xintao Yan and Shuo Feng and Jun Gao and Henry X. Liu},
journal= {arXiv preprint arXiv:2509.13164},
year = {2025}
}
备注
8 pages, 6 figures