Langetermijnverkeerssimulatie met intergeautoregressive beweging en scenario-generatie
Long-term Traffic Simulation with Interleaved Autoregressive Motion and Scenario Generation
June 20, 2025
Auteurs: Xiuyu Yang, Shuhan Tan, Philipp Krähenbühl
cs.AI
Samenvatting
Een ideale verkeerssimulator bootst de realistische langeafstandsrit van punt naar punt na die een zelfrijdend systeem ervaart tijdens de inzet. Eerdere modellen en benchmarks richten zich op gesloten-lusbewegingssimulatie voor initiële agents in een scène. Dit is problematisch voor langetermijnsimulatie. Agents komen de scène binnen en verlaten deze terwijl het ego-voertuig nieuwe regio's betreedt. Wij stellen InfGen voor, een uniform next-token-voorspellingsmodel dat afwisselend gesloten-lusbewegingssimulatie en scènegeneratie uitvoert. InfGen schakelt automatisch tussen gesloten-lusbewegingssimulatie en scènegeneratiemodus. Het maakt stabiele langetermijnrolloutsimulatie mogelijk. InfGen presteert op het hoogste niveau in kortetermijnverkeerssimulatie (9s) en overtreft alle andere methoden aanzienlijk in langetermijnsimulatie (30s). De code en het model van InfGen zullen worden vrijgegeven op https://orangesodahub.github.io/InfGen.
English
An ideal traffic simulator replicates the realistic long-term point-to-point
trip that a self-driving system experiences during deployment. Prior models and
benchmarks focus on closed-loop motion simulation for initial agents in a
scene. This is problematic for long-term simulation. Agents enter and exit the
scene as the ego vehicle enters new regions. We propose InfGen, a unified
next-token prediction model that performs interleaved closed-loop motion
simulation and scene generation. InfGen automatically switches between
closed-loop motion simulation and scene generation mode. It enables stable
long-term rollout simulation. InfGen performs at the state-of-the-art in
short-term (9s) traffic simulation, and significantly outperforms all other
methods in long-term (30s) simulation. The code and model of InfGen will be
released at https://orangesodahub.github.io/InfGen