HUGSIM: Симулятор реального времени с фотореалистичностью и замкнутым циклом для автономного вождения

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

December 2, 2024

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

cs.AI

Аннотация

За последние несколько десятилетий алгоритмы автономного вождения сделали значительные успехи в области восприятия, планирования и управления. Однако оценка отдельных компонентов не полностью отражает производительность всей системы, что подчеркивает необходимость более всесторонних методов оценки. Это мотивирует разработку HUGSIM - замкнутого, фотореалистичного и реального симулятора для оценки алгоритмов автономного вождения. Мы достигаем этого путем преобразования захваченных 2D RGB изображений в трехмерное пространство с помощью трехмерного гауссова сплетения, улучшая качество визуализации для сцен с замкнутым циклом и создавая среду замкнутого цикла. В части визуализации мы решаем проблемы нового синтеза видов в сценариях с замкнутым циклом, включая экстраполяцию точки зрения и визуализацию транспортных средств на 360 градусов. Помимо нового синтеза видов, HUGSIM также обеспечивает полный замкнутый симуляционный цикл, динамически обновляя состояния и наблюдения эго и актеров на основе управляющих команд. Более того, HUGSIM предлагает всеобъемлющий бенчмарк по более чем 70 последовательностям из KITTI-360, Waymo, nuScenes и PandaSet, а также более чем 400 разнообразных сценариев, обеспечивая справедливую и реалистичную платформу оценки для существующих алгоритмов автономного вождения. HUGSIM не только служит интуитивным бенчмарком оценки, но также открывает потенциал для тонкой настройки алгоритмов автономного вождения в фотореалистичной среде с замкнутым циклом.

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.