HUGSIM: Un simulador en tiempo real, fotorrealista y de bucle cerrado para la conducción autónoma.

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

December 2, 2024

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

cs.AI

Resumen

En las últimas décadas, los algoritmos de conducción autónoma han avanzado significativamente en percepción, planificación y control. Sin embargo, evaluar componentes individuales no refleja completamente el rendimiento de sistemas enteros, lo que destaca la necesidad de métodos de evaluación más holísticos. Esto motiva el desarrollo de HUGSIM, un simulador cerrado, fotorrealista y en tiempo real para evaluar algoritmos de conducción autónoma. Logramos esto elevando imágenes RGB 2D capturadas al espacio 3D a través de la técnica de "Gaussian Splatting" en 3D, mejorando la calidad de renderizado para escenarios cerrados y construyendo el entorno de bucle cerrado. En cuanto al renderizado, abordamos desafíos de síntesis de vista novedosa en escenarios de bucle cerrado, incluyendo la extrapolación de puntos de vista y el renderizado de vehículos a 360 grados. Más allá de la síntesis de vista novedosa, HUGSIM permite además el bucle de simulación cerrado completo, actualizando dinámicamente los estados y observaciones del ego y los actores basados en comandos de control. Además, HUGSIM ofrece un benchmark integral que abarca más de 70 secuencias de KITTI-360, Waymo, nuScenes y PandaSet, junto con más de 400 escenarios variables, proporcionando una plataforma de evaluación justa y realista para los algoritmos de conducción autónoma existentes. HUGSIM no solo sirve como un benchmark de evaluación intuitivo, sino que también desbloquea el potencial para ajustar finamente los algoritmos de conducción autónoma en un entorno fotorrealista de bucle cerrado.

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.