Geometrically Approximated Modeling for Emitter-Centric Ray-Triangle Filtering in Arbitrarily Dynamic LiDAR Simulation
本論文は、エミッター中心の幾何学的近似に基づき、各三角形にどのレイが当たり得るかを判定することで従来のレイトレーシングを反転させ、高コストな加速構造の再構築を必要とせずに、極めて動的なシーンにおいて大幅に高速なリアルタイムLiDARシミュレーションを実現する、幾何学的近似モデリング（GRCA）アルゴリズムを導入するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
人混みで、人々が走り回り、跳ね回り、回転している混沌とした公園の中で、完璧な自撮りをするためのベストな場所を見つけようとしている場面を想像してみてください。次に、あなたのカメラが単に写真を1枚撮るだけでなく、あらゆる方向に何百万もの目に見えないレーザーを同時に放ち、あらゆる人、木、ベンチに当たり、それらがどれくらい離れているかを正確に測定しようとしている場面を想像してください。これがLiDARセンサーの仕組みです。これは多くの自動運転車やロボットの「目」であり、光を放ち、それが跳ね返ってくるのを待つことで、世界の3D画像を塗り絵のように描き出します。
厄介なのは、世界は常に動いているということです。エンジニアが路上に出る前に車をテストするコンピュータ・シミュレーションでは、シーン内の物体（車、歩行者、建物）は、アニメーションのフレームごとに形や位置を変えることができます。どのレーザービームがどの物体に当たったかを判断するために、コンピュータは通常、「境界ボリューム階層（Bounding Volume Hierarchy: BVH）」と呼ばれる巧妙なファイリングシステムを使用します。これは、巨大で入れ子になったロシアのマトリョーシカのようなものだと考えてください。コンピュータはまず一番大きな人形をチェックします。もしレーザーがその大きな人形を外れたら、その中にあるすべてのものに当たっていないことを知ります。もし大きな人形に当たったら、その中のより小さな人形をチェックするために中を開けます。しかし、ここでの問題は、もし公園の人々がダンスを始めて位置を変え始めたら、コンピュータはこの入れ子になった人形のセット全体を、フレームごとに最初から作り直さなければならないということです。これは、たった一冊の本が数インチ動いただけで、100万冊の本がある図書館を毎回並べ直すようなものです。これには膨大な時間と計算能力が必要となるため、高速で動くシーンのリアルタイム・シミュレーションは非常に困難になります。
ここで、**Gajmerレイキャスティング・アルゴリズム（GRCA）**と呼ばれる新しいアプローチが登場し、この問題に対して巧妙なひねりを加えます。GRCAは、「このレーザービームはどの物体に当たるか？」（これはコンピュータに、あらゆるビームをあらゆる物体に対してチェックさせることを強います）と問う代わりに、問いの方向を逆転させます。「この特定の物体に当たる可能性があるのは、どのレーザービームか？」
あなたが部屋の中央に立っている警備員だと想像してください。一人ひとりの人が武器を持っているかどうかを確認するために全員をチェックする代わりに、まず武器に注目します。「もしこの人がナイフを持っていたら、部屋の中のどの警備員が見ることができるだろうか？」と問いかけます。すると、その人の正面にある特定の弧を描く範囲に立っている警備員だけが見えることに気づきます。あなたは、背後にいる警備員や、左右に離れた場所にいる警備員を即座に無視します。GRCAは、レーザーと三角形（3Dオブジェクトを構成する小さな平らな形状）に対して、まさにこれと同じことを行います。
著者たちは、トヨタと共に研究を進める中で、回転するLiDARセンサーはランダムなビームを放っているのではなく、整然とした予測可能なパターンで放っていることに気づきました。回転する1列のレーザーは円錐形を作り出し、地平線付近の1列は平面を作ります。GRCAはこの幾何学を利用して、シーン内のすべての三角形の周りに「円錐」または「平面」を描きます。そして、「この三角形の円錐は、センサーのレーザーチャネルのいずれかと重なっているか？」と問いかけます。もし答えが「ノー」であれば、コンピュータはその三角形を重い計算を行う前に即座に破棄します。もし答えが「イエス」であれば、その円錐を通過する特定のレーザーのみをチェックします。
さらに高速化するために、このアルゴリズムは、センサーから見た大きさに基づいて三角形を2つのグループに分類します。遠くにある小さな三角形（小さく見えるもの）は、素早く大まかなチェックが行われます。近くにある大きな三角形は、より精密なチェックが行われます。この2段階のプロセスにより、コンピュータは重要ではない何百万もの小さな遠くの物体にほとんど時間を費やすことなく、大きく重要な物体に計算能力を集中させることができます。
この手法の結果は素晴らしいものです。数百万の動く三角形を含み、最大8つの異なるLiDARセンサーがフレームあたり400万本のレイを放つ複雑なシーンを用いたテストにおいて、GRCAは現在の業界標準よりも大幅に高速でした。標準的なコンピュータプロセッサ上で、GRCAは主要なソフトウェアライブラリであるEmbreeよりも最大14.55倍高速でした。グラフィックスカード（GPU）上では、トップクラスのハードウェア加速ツールであるOptiXよりも最大7.97倍高速でした。物体が変形したり激しく動いたりする最も混沌としたシナリオにおいても、GRCAは「ファイリングシステム」を毎回作り直す必要がないため、その速度を維持しました。
また、この論文は、この手法を従来の方法と組み合わせることができることも示しています。つまり、動いている部分にはGRCAを使い、静止している部分には従来の方法を使うという「ハイブリッド」アプローチです。このハイブリッドアプローチはさらに高速で、最も複雑なテストにおいて、標準的なCPUによる手法の最大19.2倍の速度に達しました。
結局のところ、この研究は、「このレイは何に当たるのか？」から「どのレイがこれに当たり得るのか？」へと問い方を変えることで、動的な実世界環境をより効率的にシミュレートできることを示唆しています。これは、エンジニアが現在行っている時間のわずかな一部で、何百万マイルもの走行をシミュレートすることを可能にし、毎秒ごとに世界のファイリングシステムを再構築することなく、より高速で現実的な自動運転車やロボットのテストを実現できることを意味しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。