Wei Cao, Marcel Hallgarten, Tianyu Li, Daniel Dauner, Xunjiang Gu, Caojun Wang, Yakov Miron, Marco Aiello, Hongyang Li, Igor Gilitschenski, Boris Ivanovic, Marco Pavone, Andreas Geiger, Kashyap Chitta
概要
本論文は、自律走行自動車（AV）評価の既存パラダイムの限界を解決するための新しい評価方法である「pseudo-simulation」を提案します。従来の実世界評価は安全上の問題と再現性の欠如に苦しんでおり、閉ループシミュレーションには現実性の欠如や高い計算コストの問題があります。一方、オープンループの評価は効率的でデータベースですが、累積エラーを見落とす傾向があります。擬似シミュレーションはオープンループ評価と同様に実際のデータセットを使用しますが、3D Gaussian Splattingを使用して生成された合成観測値を追加します。自律走行車の予想される行動に最もよく一致する合成観測値に高い重みを与える近接性ベースの重み付け方法を使用して、エラー回復と因果的混乱軽減を評価します。閉ループシミュレーションとの相関関係（$ R ^ 2 = 0.8 $）が既存の最高のオープンループ方式（$ R ^ 2 = 0.7 $）よりも高いことを示し、新しい方法論をベンチマークすることができる公開リーダーボードとコード（ _____ T748_____）を提供します。
