NAVSIM: Datengesteuerte, nicht reaktive Simulation und Benchmarking autonomer Fahrzeuge
Daniel Dauner 1,2 , Marcel Hallgarten 1,5 , Tianyu Li 3 , Xinshuo Weng 4 , Zhiyu Huang 4,6 , Zetong Yang 3
Hongyang Li 3 , Igor Gilitschenski 7,8 , Boris Ivanovic 4 , Marco Pavone 4,9 , Andreas Geiger 1,2 und Kashyap Chitta 1,21 Universität Tübingen, 2 Tübingen AI Center, 3 OpenDriveLab im Shanghai AI Lab, 4 NVIDIA Research
5 Robert Bosch GmbH, 6 Nanyang Technological University, 7 University of Toronto, 8 Vector Institute, 9 Stanford UniversityFortschritte in neuronalen Informationsverarbeitungssystemen (NeurIPS), 2024
Verfolgen Sie Datensätze und Benchmarks
NAVSIM sammelt simulationsbasierte Metriken (z. B. Fortschritt und Zeit bis zur Kollision) für End-to-End-Fahrten, indem vereinfachte Abstraktionen von Szenen aus der Vogelperspektive für einen kurzen Simulationshorizont abgewickelt werden. Es funktioniert unter der Bedingung, dass die Richtlinie keinen Einfluss auf die Umgebung hat, was eine effiziente Metrikberechnung im offenen Regelkreis ermöglicht und gleichzeitig besser auf Auswertungen im geschlossenen Regelkreis abgestimmt ist als herkömmliche Verschiebungsfehler.
Höhepunkte
Erste Schritte
Änderungsprotokoll
Lizenz und Zitat
Andere Ressourcen
Download und Installation
Agenten verstehen und schaffen
Verstehen des Datenformats und der Klassen
Datensatzaufteilungen im Vergleich zu gefilterten Trainings-/Testaufteilungen
Den PDM-Score verstehen
Übermittlung an die Bestenliste
(zurück nach oben)
[2024/09/03]
NAVSIM v1.1-Veröffentlichung
Bestenliste für navtest
auf Hugging Face
Veröffentlichung der Basiskontrollpunkte auf Hugging Face
Aktualisierte Dokumente für Einreichung und Papier
Code-Refactoring, Formatierung, kleinere Korrekturen
[2024/04/21]
NAVSIM v1.0-Veröffentlichung (offizielle Devkit-Version für AGC 2024)
Parallelisierung von Metrik-Caching/-Auswertung
Fügt Transfuser-Basislinie hinzu (siehe Agenten)
Fügt standardisierte Trainings- und testgefilterte Aufteilungen hinzu (siehe Aufteilungen).
Visualisierungstools (siehe Tutorial_visualization.ipynb)
[2024/04/03]
NAVSIM v0.4-Veröffentlichung
Unterstützung für Testphasenrahmen des Wettbewerbs
Laden Sie das Skript für Trainval herunter
Egostatus MLP Agent und Trainingspipeline
[2024/03/25]
Veröffentlichung von NAVSIM v0.3 (offizielle Devkit-Version für die Aufwärmphase)
Fügt Code für die Übermittlung an die Bestenliste hinzu
[2024/03/11]
NAVSIM v0.2-Veröffentlichung
Einfachere Installation und Download
Mini- und Testdaten-Split-Integration
Privilegierter Human
Agent
[2024/02/20]
NAVSIM v0.1-Veröffentlichung (erste Demo)
OpenScene-Mini-Sensor-Blobs und Anmerkungsprotokolle
Naiver ConstantVelocity
-Agent
(zurück nach oben)
Alle Assets und Codes in diesem Repository unterliegen der Apache 2.0-Lizenz, sofern nicht anders angegeben. Die Datensätze (einschließlich nuPlan und OpenScene) erben ihre eigenen Vertriebslizenzen. Bitte denken Sie darüber nach, unsere Arbeit und unser Projekt zu zitieren, wenn sie Ihrer Forschung helfen.
@inproceedings{Dauner2024NEURIPS, Autor = {Daniel Dauner und Marcel Hallgarten und Tianyu Li und Xinshuo Weng und Zhiyu Huang und Zetong Yang und Hongyang Li und Igor Gilitschenski und Boris Ivanovic und Marco Pavone und Andreas Geiger und Kashyap Chitta}, title = {NAVSIM: Datengesteuerte, nicht reaktive Simulation und Benchmarking autonomer Fahrzeuge}, Buchtitel = {Fortschritte in neuronalen Informationsverarbeitungssystemen (NeurIPS)}, Jahr = {2024}, }
@misc{Contributors2024navsim,title={NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking},author={NAVSIM Contributors},howpublished={url{https://github.com/autonomousvision/navsim}},year ={2024}}
(zurück nach oben)
SCHLITTEN | tuPlan-Garage | CARLA-Garage | Umfrage zu E2EAD
Pflanze | KÖNIG | TransFuser | SAUBER
(zurück nach oben)