PPR-2408.00415
Paper
DriveArena: A Closed-Loop Generative Simulation Platform for Autonomous Driving
| id | |
|---|---|
| updated | |
| type | paper |
| title | DriveArena: A Closed-Loop Generative Simulation Platform for Autonomous Driving |
| authors | Xuemeng Yang, Licheng Wen, Yukai Ma, Jianbiao Mei, Xin Li, Tiantian Wei |
| venue | ICCV 2025 (arXiv:2408.00415) |
| arxiv | 2408.00415 |
| tier | 1 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-10 |
| version | arXiv:2408.00415v1 |
| source-hash | sha256:071bc51835dea9e35f438572e9cd26ab993cadd52286ae3e680d9c104690ed23 |
| admitted-under | A2-direct-edge |
| admission-note | 被 HUGSIM（PPR-2412.01718）直接引用（HD-Score 的灵感来源之一）；库内闭环生成式仿真线的代表。 |
定位
Yang 等（ICCV 2025）提出 DriveArena，一个面向真实世界场景闭环仿真的高保真生成式平台。它由两个核心组件构成：Traffic Manager，一个能在任意全球街道地图上生成真实感交通流的交通仿真器；World Dreamer，一个支持无限自回归的高保真条件生成模型。二者协同使闭环仿真可用世界各地的路网，并生成风格多样的交通场景；任何能处理真实图像的驾驶智能体都可在其中导航。论文把 DriveArena 定位为模块化平台，允许其核心组件与驾驶智能体有多种实现，作为开发与评测智能体的仿真环境。
与本库的关系
- 准入身份：A2-direct-edge（被 HUGSIM 直接引用，HD-Score 灵感来源）。
- 谱系定位：闭环生成式仿真线。与 HUGSIM（PPR-2412.01718，3DGS 重建 + 物理约束）、UniSim（PPR-2308.01898，神经特征网格）、NeuroNCAP（PPR-2404.07762，NeRF）在“重建 vs 生成、真实感来源”上互为对照；与 BMK-006（NAVSIM 非反应式）在是否交互上有本质差异。
Provenance
- Tier-0 轻量 ingest（S2 元数据）：
version/source-hash占位（待补）。
关联（8）
- PPR-2308.01898 UniSim: A Neural Closed-Loop Sensor Simulator
- PPR-2404.07762 NeuroNCAP: Photorealistic Closed-loop Safety Testing for Autonomous Driving
- PPR-2412.01718 HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving
- BMK-006 NAVSIM non-reactive planning benchmark (v1 PDMS / v2 EPDMS two-stage)
- FRM-2308.01898 UniSim 五层重建（骨架）：核心对象是把单条记录日志转成高保真闭环多传感器仿真的神经传感仿真器——用神经特征网格分别重建静态背景与动态 actors 并合成为新视点下的 LiDAR 与相机数据，支持增删 actor 与改变其摆放，并以动态对象的可学习先验与卷积网络补全外推视图中未见区域；公理层含『准确评估需在闭环中测试』与『闭环须依新场景配置与自车决策改写传感数据』。
- FRM-2408.00415 DriveArena 五层重建（骨架）：核心对象是首个面向真实场景驾驶智能体的高保真闭环仿真系统——模块化的 TrafficManager（基于 LimSim 的多车分层决策与规划、协作因子与轨迹权重集，支持 OpenStreetMap 任意城市路网，ego 可开环或闭环受控）与基于扩散的 Dreamer（条件编码含地图/物体布局、文本、相机参数、ego 位姿与参考图，用跨视图注意力保多视图一致、用图像自回归保时序一致并支持无限流式生成）循环耦合，使只处理真实图像的智能体可在其中闭环导航。
- FRM-2510.04333 RAP 五层重建（骨架）：核心对象是“训练端到端规划器不需要光真实”这一主张及其实现——用轻量 3D 栅格化（对标注图元做栅格化）替代昂贵的光真实渲染，构造反事实恢复机动与跨智能体视角合成等增强，并用 Raster-to-Real 特征空间对齐弥合 sim-to-real 差距；公理层含『模仿学习缺恢复数据，闭环下小错误不可纠正并累积』与『驾驶依赖几何与动力学而非纹理光照』。
- IDX-001 NAVSIM 规划线