HUGSIM: Un simulatore in tempo reale, fotorealistico e a ciclo chiuso per la guida autonoma.

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

December 2, 2024

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

cs.AI

Abstract

Negli ultimi decenni, gli algoritmi di guida autonoma hanno compiuto progressi significativi nella percezione, pianificazione e controllo. Tuttavia, valutare singoli componenti non riflette appieno le prestazioni dell'intero sistema, evidenziando la necessità di metodi di valutazione più olistici. Questo motiva lo sviluppo di HUGSIM, un simulatore chiuso, fotorealistico e in tempo reale per valutare gli algoritmi di guida autonoma. Questo obiettivo viene raggiunto sollevando immagini RGB 2D catturate nello spazio 3D tramite Splatting Gaussiano 3D, migliorando la qualità del rendering per scenari chiusi e costruendo l'ambiente chiuso. Per quanto riguarda il rendering, affrontiamo le sfide della sintesi di nuove viste in scenari chiusi, compresa l'estrapolazione del punto di vista e il rendering a 360 gradi dei veicoli. Oltre alla sintesi di nuove viste, HUGSIM consente inoltre il ciclo completo di simulazione chiusa, aggiornando dinamicamente gli stati dell'ego e degli attori e le osservazioni basate sui comandi di controllo. Inoltre, HUGSIM offre un benchmark completo su oltre 70 sequenze da KITTI-360, Waymo, nuScenes e PandaSet, insieme a oltre 400 scenari variabili, fornendo una piattaforma di valutazione equa e realistica per gli algoritmi di guida autonoma esistenti. HUGSIM non solo funge da benchmark di valutazione intuitivo, ma sblocca anche il potenziale per ottimizzare gli algoritmi di guida autonoma in un contesto fotorealistico a ciclo chiuso.

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.