शोधकर्ता CARLA-GS का प्रस्ताव करते हैं, एक मॉड्यूलर पाइपलाइन जो दृश्य प्रतिनिधित्व, अर्थपूर्ण तर्क और भौतिक-आधारित निष्पादन को अलग करके स्वचालित ड्राइविंग के लिए फोटोरियलिस्टिक कोरनर केस का संश्लेषण करती है। सिस्टम वास्तविक ड्राइविंग डेटा से संपादन योग्य गॉसियन दृश्य पुनर्निर्मित करता है, जोखिम भरे इंटरैक्शन की पहचान करने और इरादा-स्तर के वेपॉइंट उत्पन्न करने के लिए एक मल्टी-एजेंट LLM का उपयोग करता है, और कम-स्तरीय गति नियंत्रण को PID कंट्रोलर के साथ CARLA को सौंपता है।
- वास्तविक ड्राइविंग डेटा से ज्यामिति-सुसंगत बाधाओं के साथ संपादन योग्य गॉसियन दृश्य पुनर्निर्मित करता है।
- जोखिम का पता लगाने और वेपॉइंट ट्रैजेक्टरी उत्पन्न करने के लिए दृश्य-स्तर के तर्क के लिए एक मल्टी-एजेंट LLM का उपयोग करता है।
- वाहन गति की गतिक और गतिशील संभाव्यता सुनिश्चित करने के लिए CARLA और एक PID कंट्रोलर का उपयोग करता है।
- अंगुष्ठ-केंद्रित रेंडरिंग के लिए सिमुलेटेड वाहन अवस्थाओं को गॉसियन दृश्य में पुनः प्रक्षेपित करता है।
Waymo Open डेटासेट पर प्रयोगों से पता चलता है कि फ्रेमवर्क अर्थपूर्ण इरादे और भौतिक बाधाओं के साथ संरेखित, स्थानिक-सामयिक रूप से सुसंगत फोटोरियलिस्टिक वीडियो का नियंत्रित संश्लेषण सक्षम बनाता है।