NAVSIM: simulación y evaluación comparativa de vehículos autónomos no reactivos basados en datos
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 y Kashyap Chitta 1,21 Universidad de Tübingen, 2 Centro de IA de Tübingen, 3 OpenDriveLab en el Laboratorio de IA de Shanghai, 4 NVIDIA Research
5 Robert Bosch GmbH, 6 Universidad Tecnológica de Nanyang, 7 Universidad de Toronto, 8 Vector Institute, 9 Universidad de StanfordAvances en los sistemas de procesamiento de información neuronal (NeurIPS), 2024
Seguimiento de conjuntos de datos y puntos de referencia
NAVSIM recopila métricas basadas en simulación (como el progreso y el tiempo hasta la colisión) para la conducción de un extremo a otro desplegando abstracciones simplificadas de escenas a vista de pájaro para un breve horizonte de simulación. Opera bajo la condición de que la política no tenga influencia en el medio ambiente, lo que permite un cálculo métrico eficiente y de circuito abierto y, al mismo tiempo, está mejor alineado con evaluaciones de circuito cerrado que los errores de desplazamiento tradicionales.
Reflejos
Empezando
Registro de cambios
Licencia y citación
Otros recursos
Descarga e instalación
Comprender y crear agentes
Comprender el formato de datos y las clases.
Divisiones de conjuntos de datos versus divisiones de prueba/entrenamiento filtrado
Comprender la puntuación PDM
Enviar a la tabla de clasificación
(volver arriba)
[2024/09/03]
Lanzamiento NAVSIM v1.1
Tabla de clasificación para navtest
en Hugging Face
Liberación de puntos de control de referencia en Hugging Face
Documentos actualizados para envío y papel.
Refactorización de código, formateo, correcciones menores.
[2024/04/21]
Lanzamiento de NAVSIM v1.0 (versión oficial del kit de desarrollo para AGC 2024)
Paralelización del almacenamiento en caché/evaluación de métricas
Agrega la línea base de Transfuser (ver agentes)
Agrega entrenamiento estandarizado y divisiones filtradas de prueba (ver divisiones)
Herramientas de visualización (ver tutorial_visualization.ipynb)
[2024/04/03]
Lanzamiento NAVSIM v0.4
Soporte para marcos de fase de prueba de competencia.
Descargar script para trainval
Agente Egostatus MLP y canal de capacitación
[2024/03/25]
Lanzamiento de NAVSIM v0.3 (versión oficial del kit de desarrollo para la fase de preparación)
Agrega código para el envío de la tabla de clasificación
[2024/03/11]
Lanzamiento NAVSIM v0.2
Instalación y descarga más sencilla
integración dividida de datos mini y de prueba
Agente Human
privilegiado
[2024/02/20]
Lanzamiento de NAVSIM v0.1 (demostración inicial)
Blobs de sensores y registros de anotaciones de OpenScene-mini
Agente ingenuo ConstantVelocity
(volver arriba)
Todos los activos y el código de este repositorio están bajo la licencia Apache 2.0 a menos que se especifique lo contrario. Los conjuntos de datos (incluidos nuPlan y OpenScene) heredan sus propias licencias de distribución. Considere citar nuestro artículo y proyecto si ayudan en su investigación.
@inproceedings{Dauner2024NEURIPS, autor = {Daniel Dauner y Marcel Hallgarten y Tianyu Li y Xinshuo Weng y Zhiyu Huang y Zetong Yang y Hongyang Li e Igor Gilitschenski y Boris Ivanovic y Marco Pavone y Andreas Geiger y Kashyap Chitta}, título = {NAVSIM: simulación y evaluación comparativa de vehículos autónomos no reactivos basados en datos}, booktitle = {Avances en sistemas de procesamiento de información neuronal (NeurIPS)}, año = {2024}, }
@misc{Contributors2024navsim,title={NAVSIM: simulación y evaluación comparativa de vehículos autónomos no reactivos basados en datos},author={NAVSIM Contributors},howpublished={url{https://github.com/autonomousvision/navsim}},año ={2024}}
(volver arriba)
TRINEO | garaje tuPlan | Garaje CARLA | Encuesta sobre E2EAD
PLANTA | REY | Transfusor | LIMPIO
(volver arriba)