HUGSIM: Ein Echtzeit-, fotorealistischer und Closed-Loop-Simulator für autonomes Fahren

HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving

December 2, 2024

Autoren: Hongyu Zhou, Longzhong Lin, Jiabao Wang, Yichong Lu, Dongfeng Bai, Bingbing Liu, Yue Wang, Andreas Geiger, Yiyi Liao

cs.AI

Zusammenfassung

In den letzten Jahrzehnten haben autonome Fahralgorithmusse erhebliche Fortschritte in der Wahrnehmung, Planung und Steuerung gemacht. Die Bewertung einzelner Komponenten spiegelt jedoch nicht vollständig die Leistung gesamter Systeme wider, was die Notwendigkeit für ganzheitlichere Bewertungsmethoden verdeutlicht. Dies motiviert die Entwicklung von HUGSIM, einem Closed-Loop-, fotorealistischen und Echtzeit-Simulator zur Bewertung autonomer Fahralgorithmusse. Dies wird erreicht, indem 2D RGB-Bilder mithilfe von 3D-Gaußsplatting in den 3D-Raum übertragen werden, um die Renderqualität für Closed-Loop-Szenarien zu verbessern und die Closed-Loop-Umgebung aufzubauen. In Bezug auf das Rendern bewältigen wir Herausforderungen der neuartigen Ansichtssynthese in Closed-Loop-Szenarien, einschließlich Ansichtsextrapolation und 360-Grad-Fahrzeugrendering. Über die neuartige Ansichtssynthese hinaus ermöglicht HUGSIM die vollständige geschlossene Simulationsschleife, die die Ego- und Akteurzustände und -beobachtungen basierend auf Steuerbefehlen dynamisch aktualisiert. Darüber hinaus bietet HUGSIM einen umfassenden Benchmark über mehr als 70 Sequenzen von KITTI-360, Waymo, nuScenes und PandaSet sowie über 400 verschiedene Szenarien, die eine faire und realistische Evaluierungsplattform für bestehende autonome Fahralgorithmusse bereitstellen. HUGSIM dient nicht nur als intuitive Evaluierungsbasis, sondern erschließt auch das Potenzial zur Feinabstimmung autonomer Fahralgorithmusse in einer fotorealistischen Closed-Loop-Umgebung.

English

In the past few decades, autonomous driving algorithms have made significant progress in perception, planning, and control. However, evaluating individual components does not fully reflect the performance of entire systems, highlighting the need for more holistic assessment methods. This motivates the development of HUGSIM, a closed-loop, photo-realistic, and real-time simulator for evaluating autonomous driving algorithms. We achieve this by lifting captured 2D RGB images into the 3D space via 3D Gaussian Splatting, improving the rendering quality for closed-loop scenarios, and building the closed-loop environment. In terms of rendering, We tackle challenges of novel view synthesis in closed-loop scenarios, including viewpoint extrapolation and 360-degree vehicle rendering. Beyond novel view synthesis, HUGSIM further enables the full closed simulation loop, dynamically updating the ego and actor states and observations based on control commands. Moreover, HUGSIM offers a comprehensive benchmark across more than 70 sequences from KITTI-360, Waymo, nuScenes, and PandaSet, along with over 400 varying scenarios, providing a fair and realistic evaluation platform for existing autonomous driving algorithms. HUGSIM not only serves as an intuitive evaluation benchmark but also unlocks the potential for fine-tuning autonomous driving algorithms in a photorealistic closed-loop setting.