OpenDriveLab/WorldEngine

解決する課題

WorldEngineは、自動運転における「ロングテール」問題を解決します。これは、衝突に近いような希少で安全上重要なシナリオが標準的なトレーニングデータにはほとんど含まれておらず、車両に安全な対応方法を教えることが困難であるという問題です。これらの失敗を自動的に特定し、練習のための高忠実度なシミュレーション環境を作成することで、複雑で現実世界のコーナーケースを処理する方法をモデルが学習できるよう支援します。

仕組み

WorldEngineは2つのシステムで構成されています：

1. SimEngine: 実世界の運転ログを取得し、3D Gaussian Splattingを使用して、フォトリアルでインタラクティブな3Dシミュレーションに再構築します。これにより、自動運転モデルはこれらのシナリオを繰り返し「走行」することが可能になります。
2. AlgEngine: モデル自身を使用して、シミュレーション内で失敗した箇所を特定します。その後、強化学習 (RL) を使用して、これらの特定の困難なシナリオに対してモデルを微調整し、大量の新しい高価な実データなしで、希少なイベントを処理する方法を効果的に教え込みます。

対象ユーザー

このフレームワークは、エンドツーエンドの自動運転モデルに取り組む研究者やエンジニア向けに設計されており、希少で複雑な交通状況下での安全性とパフォーマンスを向上させるための、堅牢でデータ駆動型の方法を必要としている方に最適です。

ハイライト

• 自動故障発見: システムは手動介入なしで、既存の運転ログから失敗しやすいシナリオを自動的にフラグ立てします。
• フォトリアルなシミュレーション: 3D Gaussian Splattingを使用して、実データから完全に制御可能な高品質の仮想環境を作成します。
• 行動駆動型生成: 多様な交通バリエーションを合成し、まばらで危険なイベントを豊富なトレーニング分布に変換します。
• 実証済みの安全性向上: シミュレーションでの衝突率を最大45.5%削減し、200kmの路上テストにおいてディスエンゲージメントゼロを達成しました。
• 効率的なトレーニング: 単に事前トレーニングデータを拡大するよりも優れており、ターゲットを絞ったポストトレーニングを通じて、10倍のデータセット規模に相当するパフォーマンス向上を提供します。