机构名称：
¥ 2.0
摘要：基于基于视觉的驾驶政策具有挑战性。一方面，带有实际数据的开环评估很容易，但是这些结果并不能反映闭环性能。在另一个闭环评估中是可以在模拟中进行的，但是由于其巨大的计算需求，很难扩展。此外，当今可用的模拟器显示出对真实数据的较大域间隙。这导致无法从端到端自动驾驶的迅速发展的研究体系中得出明确的结论。在本文中，我们提出了NAVSIM，这是这些评估范式之间的中间立场，在该范式中，我们将大型数据集与非反应模拟器结合使用来启用大型现实基准测试。具体来说，我们通过展开鸟类的眼睛视图抽象来收集基于模拟的指标，例如进度和碰撞的时间，以进行简短的模拟视野。我们的仿真无反应，即，评估的政策和环境不会相互影响。正如我们从经验上证明的那样，这种去耦允许开环计算，同时比传统的位移误差更好地与闭环评估保持一致。NAVSIM可以在一系列具有挑战性的情况下基准驾驶政策，从而产生一些新的见解。我们观察到具有中等计算要求（例如接送器）的简单方法可以匹配最近大规模的端到端驱动体系结构，例如UniaD。我们的框架可能会通过新的数据集，数据策略和指标来扩展，并将不断维护。我们的代码可在https://github.com/autonomousousvision/navsim上找到。
NAVSIM：数据驱动的非反应性自动驾驶汽车模拟和基准测试
主要关键词
相关文件推荐
