自動運転/シミュレーション2026/8/3arXiv:2608.01761

DecoupleGS: エンドツーエンド自動運転テストのためのインタラクティブ3Dガウススプラッティング

DecoupleGS: Interactive 3D Gaussian Splatting for End-to-End Autonomous Driving Testing

エンドツーエンド自動運転の検証用に、高忠実度の静的背景と操作可能な動的エージェントを分離した3Dガウススプラッティングフレームワークを提案し、リアルタイムでインタラクティブなクローズドループシミュレーションを実現した。

詳しい要約

1. どんなもの？

DecoupleGSは、エンドツーエンド（E2E）自動運転アルゴリズムの検証のための、インタラクティブな3D Gaussian Splatting (3DGS)フレームワークを提案する。シーンを高忠実度の静的背景と操作可能な動的エージェントに分解し、オブジェクト中心のカノニカル表現を用いる。大規模E2E評価を目的とし、閉ループセンサーシミュレーションプラットフォームを提供する。

2. 先行研究と比べてどこがすごい？

既存のゲームエンジンや静的ニューラルレンダリングは、高い視覚忠実度、強いインタラクティブ性、リアルタイム性能の要件をトレードオフし、E2Eテストに必要な動的シーン合成が困難だった。DecoupleGSは、静的背景と動的エージェントを分離することで、これらの要件をバランスし、動的シーン合成を可能にする点が新しい。

3. 技術・手法の肝は？

手法の肝は、シーンを静的背景と動的エージェントに分解するオブジェクト中心のカノニカル表現と、表現の競合を解決する3つのモジュール：(1) 知覚的プルーニングとベクトル量子化によるアセット圧縮（リアルタイム交通レンダリング用）、(2) セマンティックトポロジーを利用した地図誘導の幾何学的登録（軌道の厳密な位置合わせ）、(3) 周辺照明を転送するプロキシベースのリライティング（シームレスなフォトメトリック統合）。

4. どうやって有効だと検証した？

広範な実験により、DecoupleGSが忠実度と効率のバランスを達成し、メトリックとフォトメトリックの一貫性を改善し、E2E自動運転評価のための実用的な閉ループセンサーシミュレーションプラットフォームを提供することを実証した。具体的な評価指標やデータセットは要旨からは不明。

5. 議論はある？

要旨からは、提案手法が静的背景と動的エージェントの分離により表現の競合を解決するが、複雑な動的シーンや大規模環境でのスケーラビリティ、照明変化への頑健性などに関する議論は明示されていない。また、実車両への適用や安全性検証の詳細も不明。

6. 次に読むべき論文は？

要旨で参照されている関連研究として、3D Gaussian Splatting (3DGS)、ゲームエンジン、静的ニューラルレンダリング、E2E自動運転の閉ループ検証に関する論文が挙げられる。具体的には、3DGSの元論文や、自動運転シミュレーションにおけるニューラルレンダリングの応用研究が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Siying Li, Ying Ni, Jie Sun, Jian Sun, Haotian Shi

分類: cs.CV

原文アブストラクト

End-to-end (E2E) autonomous driving algorithms require rigorous closed-loop validation in simulation environments offering high visual fidelity, strong interactivity, and real-time performance. Existing approaches, from game engines to static neural rendering, inherently trade off these requirements and struggle with the dynamic scene composition essential for E2E testing. To bridge this gap, we propose a novel decoupled 3D Gaussian Splatting (3DGS) framework tailored for large-scale E2E evaluation. We fundamentally decompose scenes into a high-fidelity static background and manipulable dynamic agents using an object-centric canonical representation. To resolve resulting representational conflicts, we introduce three targeted modules: (1) asset compression via perceptual pruning and vector quantization for real-time traffic rendering; (2) map-guided geometric registration leveraging semantic topology to strictly align trajectories; and (3) proxy-based relighting transferring ambient illumination for seamless photometric integration. Extensive experiments demonstrate that DecoupleGS achieves a balanced fidelity-efficiency trade-off, improves metric and photometric consistency, and provides a practical closed-loop sensor simulation platform for E2E autonomous driving evaluation.

arXivで原文を読む →arXiv概要ページ