UniGen: Unified Modeling of Initial Agent States and Trajectories for Generating Autonomous Driving Scenarios

本文介绍了UniGen，一种通过模拟生成新的交通场景来评估和改进自动驾驶软件的新方法。我们的方法将所有驾驶场景元素建模为一个统一的模型：新代理的位置、它们的初始状态以及它们未来的运动轨迹。通过从共享的全局场景嵌入中预测所有这些变量的分布，我们确保最终生成的场景完全取决于现有场景中所有可用的上下文。我们的统一建模方法与自回归代理注入相结合，将每个新代理的放置和运动轨迹条件在所有现有代理和它们的轨迹上，从而产生低碰撞率的逼真场景。我们的实验结果表明，UniGen在Waymo开放运动数据集上表现优于之前的最新技术水平。

本文介绍了UniGen，一种通过模拟生成新的交通场景来评估和改进自动驾驶软件的新方法。该方法通过统一建模所有驾驶场景元素来预测所有变量的分布，从而确保最终生成的场景完全基于现有场景中的所有可用上下文条件。

本文提出了一种统一建模方法，将每个新代理的位置、初始状态和未来运动轨迹与现有代理和其轨迹相结合，从而生成逼真的场景。该方法通过自回归代理注入，将每个新代理的放置和运动轨迹的条件化，从而实现了低碰撞率的场景生成。

本文的亮点是使用了统一建模方法和自回归代理注入来生成逼真的交通场景，从而评估和改进自动驾驶软件。实验结果表明，UniGen在Waymo开放运动数据集上优于现有技术水平。

在这个领域中，最近还有一些相关的研究，如：《CARLA: An Open Urban Driving Simulator》、《Learning to Drive in a Day》、《ChauffeurNet: Learning to Drive by Imitating the Best and Synthesizing the Worst》等。