docs: add Chinese and Japanese READMEs

README.ja.md

@@ -0,0 +1,181 @@
+<p align="center">
+  <img src="./assets/Fail2Drive_logo.png" width="400"/>
+</p>
+
+<h1 align="center">Fail2Drive：クローズドループ運転の汎化性能ベンチマーク</h1>
+
+<p align="center"><a href="./README.md">English</a> · <a href="./README.zh-CN.md">简体中文</a> · <a href="./README.ja.md">日本語</a></p>
+
+<p align="center">
+  <a href="https://simonger.github.io/fail2drive/">プロジェクトページ</a> &nbsp;|&nbsp;
+  <a href="https://arxiv.org/pdf/2604.08535">論文</a> &nbsp;|&nbsp;
+  <a href="https://huggingface.co/datasets/SimonGer/Fail2Drive">ダウンロード</a> &nbsp;|&nbsp;
+  <a href="https://discord.gg/HZ83Em6kyZ">Discord</a> &nbsp;|&nbsp;
+  <a href="https://github.com/SimonGer/fail2drive_scenario_hub">シナリオハブ</a>
+</p>
+
+<p align="center">
+  <img src="./assets/hero.gif" alt="プレビュー" width="61.3%"> <img src="./assets/bar_plot.png" width="37.7%">
+</p>
+
+Fail2Drive は、真に未知のロングテールシナリオに対するクローズドループの汎化性能を検証するために設計された、初の CARLA v2 ベンチマークです。分布がシフトした各ルートを分布内の参照シナリオと組み合わせることで、現在の最先端運転モデルに潜む重大な失敗モードを明らかにします。
+
+## 特長
+
+- 真の汎化性能を評価するための 17 個の未知シナリオ
+- 動物、視覚ノイズ、敵対的障害物を含む 30 種類の新規アセット
+- ペア化されたルート設計により汎化ギャップを定量化可能
+- 多様な環境と設定にわたる 100 組のルート
+- カスタム障害物とルートを作成するためのツールボックス
+
+## リーダーボード
+
+[![リーダーボード](https://raw.githubusercontent.com/SimonGer/fail2drive_leaderboard/main/rendered/table.png)](https://github.com/SimonGer/fail2drive_leaderboard)
+
+## 目次
+
+- [インストール](#インストール)
+- [実験](#実験)
+- [評価](#評価)
+- [Fail2Drive ツールボックス](#fail2drive-ツールボックス)
+
+## インストール
+
+> 既存の CARLA プロジェクトに Fail2Drive を導入したい場合は、[plugin ブランチ](https://github.com/autonomousvision/Fail2Drive/tree/plugin)で軽量なプラグイン形式のインストール方法を提供しています。以下のインストールには、新規ユーザーの出発点となる `carla_garage` モデルが含まれています。
+
+簡単なインストールが完了すれば、ベンチマークを手動で探索し、ベースラインエージェントを実行して、カスタムシナリオのテストを開始できます。
+
+```bash
+# 1. Clone this repository
+git clone https://github.com/autonomousvision/fail2drive.git
+cd fail2drive
+
+# 2. Set up the Fail2Drive CARLA simulator
+mkdir f2d_carla
+curl -L \
+  https://huggingface.co/datasets/SimonGer/fail2drive/resolve/main/fail2drive_simulator.tar.gz \
+  | tar -xz -C f2d_carla
+
+# 3. Create the conda environment
+conda env create -f environment.yml
+conda activate fail2drive
+
+# NOTE: The pip installed carla==0.9.15 should work, but may cause warnings in some places.
+# If you want to install the official Fail2Drive PythonAPI you can find it at:
+# f2d_carla/PythonAPI/carla/dist/carla-0.9.15-cp310-cp310-linux_x86_64.whl
+
+# 4. Set environment variables
+source env_vars.sh
+
+# Ready to start experimenting!
+```
+
+## 実験
+
+以下の実験を実行するには、2 つ目のターミナルで CARLA を起動します。
+
+```bash
+bash ${CARLA_ROOT}/CarlaUE4.sh
+```
+
+<details>
+<summary>計算リソースが限られている場合のヒント</summary>
+
+- 観戦用ウィンドウが開かないよう、`-RenderOffscreen` を指定して CARLA を実行します。
+- レンダリングコストを下げるには、`-quality-level=Low` を指定して CARLA を実行します。最終評価では使用しないでください。
+- `-graphicsadapter=[id]` を指定し、CARLA とモデルを別々の GPU で実行します。
+
+</details>
+
+#### ベンチマークルートを手動で走破できますか？
+
+```bash
+python leaderboard/leaderboard/leaderboard_evaluator.py \
+  --agent ${WORK_DIR}/leaderboard/leaderboard/autoagents/human_agent_keyboard.py \
+  --routes ${WORK_DIR}/fail2drive_split/Generalization_PedestriansOnRoad_1085.xml
+```
+
+#### PDM-Lite エキスパートポリシーの実行
+
+```bash
+python leaderboard/leaderboard/leaderboard_evaluator_local.py \
+  --agent ${WORK_DIR}/team_code/visu_agent.py \
+  --track MAP \
+  --routes ${WORK_DIR}/fail2drive_split/Generalization_PedestriansOnRoad_1085.xml
+```
+
+#### TransFuser++ モデルの実行
+
+モデルを実行する前に、チェックポイントを `checkpoints` フォルダーへダウンロードします。
+
+```bash
+mkdir -p checkpoints/tfpp
+wget -P checkpoints/tfpp \
+  https://huggingface.co/SimonGer/TFv5/resolve/main/all_towns/model_0030_0.pth \
+  https://huggingface.co/SimonGer/TFv5/resolve/main/all_towns/config.json
+```
+
+続いて `LIVE_VISU` フラグを指定して TransFuser++ を実行し、モデルの入力をリアルタイムで確認します。
+
+```bash
+LIVE_VISU=1 python leaderboard/leaderboard/leaderboard_evaluator_local.py \
+  --routes ${WORK_DIR}/fail2drive_split/Generalization_PedestriansOnRoad_1085.xml \
+  --agent ${WORK_DIR}/team_code/sensor_agent.py \
+  --agent-config ${WORK_DIR}/checkpoints/tfpp
+```
+
+## 評価
+
+### Fail2Drive のルール
+
+オフラインベンチマークであるため、ユーザーは評価用の全ルートとアセットにアクセスできます。過学習を防ぎ、Fail2Drive の公平性を保つため、以下のルールを定めています。
+
+1. **Fail2Drive シナリオでの学習は禁止です。** モデルの学習やファインチューニングに、Fail2Drive で導入されたルート、シナリオ定義、アセットを使用してはなりません。このベンチマークは、厳密にホールドアウトされたテストセットとして使用します。
+
+2. **外部データによる事前学習は許可されます。** 大規模な実世界データセット、インターネット規模のマルチモーダルコーパス、基盤モデル、VLM/LLM バックボーンを用いた事前学習は許可されます。このような一般的な視覚・言語知識はモデルの事前知識と見なされ、ベンチマークへの違反には当たりません。
+
+3. **リーダーボードへの登録。** 最終スコアは、[公式リーダーボードリポジトリ](https://github.com/SimonGer/fail2drive_leaderboard)へ Pull Request で提出することを推奨します。これにより、一貫した比較と透明性の高いベンチマーク評価が可能になります。詳細は[コントリビューションガイドライン](https://github.com/SimonGer/fail2drive_leaderboard?tab=contributing-ov-file)を参照してください。
+
+### SLURM による評価
+
+SLURM クラスターを使用して、ベンチマーク全体でモデルを評価するためのツールを提供しています。[slurm_evaluate.py](slurm_evaluate.py) スクリプトは、[eval_num_jobs.txt](eval_num_jobs.txt) で指定された上限までジョブを自動的に投入し、評価を監視します。このスクリプトを特定のクラスターとモデルに合わせるには、多少の修正が必要です。スクリプト内の `NOTE` および `TODO` コメントを確認してください。
+
+> **注：** スクリプトを実行する前に、必ず conda 環境を有効化してください：`conda activate fail2drive`
+
+評価中に問題が発生した場合は、お気軽に Issue を作成してください。
+
+### 結果の生成
+
+最終スコアを取得するには、[tools/f2d_result_parser.py](tools/f2d_result_parser.py) スクリプトを使用します。
+
+```bash
+python tools/f2d_result_parser.py /path/to/results --method MyMethod
+```
+
+## Fail2Drive ツールボックス
+
+Fail2Drive が提供するカスタマイズ可能なシナリオと新規アセットを使用して、新しいルートを生成するツールを提供しています。
+
+![ツールボックス](./assets/toolbox.png)
+
+これらのツールのドキュメントは[こちら](toolbox)にあります。コミュニティが作成したシナリオの共有や閲覧には、[シナリオハブ](https://github.com/SimonGer/fail2drive_scenario_hub)をご利用ください。
+
+## 謝辞
+
+本プロジェクトは、優れたオープンソースプロジェクトの成果の上に成り立っています。[carla_garage](https://github.com/autonomousvision/carla_garage) と [carla_route_generator](https://github.com/autonomousvision/carla_route_generator) を広範に活用し、[CARLA Leaderboard](https://github.com/carla-simulator/leaderboard) および [scenario_runner](https://github.com/carla-simulator/scenario_runner) フレームワークを統合しています。
+
+また、本ベンチマークで評価した各モデルの作者にも感謝します：[SimLingo](https://github.com/RenzKa/simlingo)、[HiP-AD](https://github.com/nullmax-vision/HiP-AD)、[Orion](https://github.com/xiaomi-mlab/Orion)、[PlanT2](https://github.com/autonomousvision/plant2)、[Bench2DriveZoo](https://github.com/Thinklab-SJTU/Bench2DriveZoo)。
+
+## 引用
+
+```bibtex
+@misc{gerstenecker2026fail2drivebenchmarkingclosedloopdriving,
+      title={Fail2Drive: Benchmarking Closed-Loop Driving Generalization},
+      author={Simon Gerstenecker and Andreas Geiger and Katrin Renz},
+      year={2026},
+      eprint={2604.08535},
+      archivePrefix={arXiv},
+      primaryClass={cs.RO},
+      url={https://arxiv.org/abs/2604.08535},
+}
+```

README.md

@@ -4,6 +4,8 @@
 
 <h1 align="center">Fail2Drive: Benchmarking Closed-Loop Driving Generalization</h1>
 
+<p align="center"><a href="./README.md">English</a> · <a href="./README.zh-CN.md">简体中文</a> · <a href="./README.ja.md">日本語</a></p>
+
 <p align="center">
   <a href="https://simonger.github.io/fail2drive/">Project Page</a> &nbsp;|&nbsp;
   <a href="https://arxiv.org/pdf/2604.08535">Paper</a> &nbsp;|&nbsp;
@@ -168,12 +170,12 @@ We also thank the authors of the models evaluated in our benchmark: [SimLingo](h
 
 ```bibtex
 @misc{gerstenecker2026fail2drivebenchmarkingclosedloopdriving,
-      title={Fail2Drive: Benchmarking Closed-Loop Driving Generalization}, 
+      title={Fail2Drive: Benchmarking Closed-Loop Driving Generalization},
       author={Simon Gerstenecker and Andreas Geiger and Katrin Renz},
       year={2026},
       eprint={2604.08535},
       archivePrefix={arXiv},
       primaryClass={cs.RO},
-      url={https://arxiv.org/abs/2604.08535}, 
+      url={https://arxiv.org/abs/2604.08535},
 }
 ```

README.zh-CN.md

@@ -0,0 +1,181 @@
+<p align="center">
+  <img src="./assets/Fail2Drive_logo.png" width="400"/>
+</p>
+
+<h1 align="center">Fail2Drive：闭环驾驶泛化能力基准测试</h1>
+
+<p align="center"><a href="./README.md">English</a> · <a href="./README.zh-CN.md">简体中文</a> · <a href="./README.ja.md">日本語</a></p>
+
+<p align="center">
+  <a href="https://simonger.github.io/fail2drive/">项目主页</a> &nbsp;|&nbsp;
+  <a href="https://arxiv.org/pdf/2604.08535">论文</a> &nbsp;|&nbsp;
+  <a href="https://huggingface.co/datasets/SimonGer/Fail2Drive">下载</a> &nbsp;|&nbsp;
+  <a href="https://discord.gg/HZ83Em6kyZ">Discord</a> &nbsp;|&nbsp;
+  <a href="https://github.com/SimonGer/fail2drive_scenario_hub">场景中心</a>
+</p>
+
+<p align="center">
+  <img src="./assets/hero.gif" alt="预览图" width="61.3%"> <img src="./assets/bar_plot.png" width="37.7%">
+</p>
+
+Fail2Drive 是首个专为测试真正未见长尾场景中闭环泛化能力而设计的 CARLA v2 基准。通过为每条分布偏移路线配对一个分布内参考场景，它揭示了当前最先进驾驶模型中大量隐藏的失效模式。
+
+## 亮点
+
+- 17 个未见场景，用于评估真实泛化能力
+- 30 种新资源，包括动物、视觉噪声和对抗性障碍物
+- 配对路线设计支持量化泛化差距
+- 100 对路线，涵盖多样化环境和配置
+- 用于创建自定义障碍物和路线的工具箱
+
+## 排行榜
+
+[![排行榜](https://raw.githubusercontent.com/SimonGer/fail2drive_leaderboard/main/rendered/table.png)](https://github.com/SimonGer/fail2drive_leaderboard)
+
+## 目录
+
+- [安装](#安装)
+- [实验](#实验)
+- [评估](#评估)
+- [Fail2Drive 工具箱](#fail2drive-工具箱)
+
+## 安装
+
+> 如果你希望将 Fail2Drive 引入现有 CARLA 项目，我们在 [plugin 分支](https://github.com/autonomousvision/Fail2Drive/tree/plugin)提供了轻量级插件安装方式。以下安装包含 `carla_garage` 模型，可作为新用户的起点。
+
+完成快速安装后，你就可以手动探索该基准、运行基线智能体，并开始测试自定义场景。
+
+```bash
+# 1. Clone this repository
+git clone https://github.com/autonomousvision/fail2drive.git
+cd fail2drive
+
+# 2. Set up the Fail2Drive CARLA simulator
+mkdir f2d_carla
+curl -L \
+  https://huggingface.co/datasets/SimonGer/fail2drive/resolve/main/fail2drive_simulator.tar.gz \
+  | tar -xz -C f2d_carla
+
+# 3. Create the conda environment
+conda env create -f environment.yml
+conda activate fail2drive
+
+# NOTE: The pip installed carla==0.9.15 should work, but may cause warnings in some places.
+# If you want to install the official Fail2Drive PythonAPI you can find it at:
+# f2d_carla/PythonAPI/carla/dist/carla-0.9.15-cp310-cp310-linux_x86_64.whl
+
+# 4. Set environment variables
+source env_vars.sh
+
+# Ready to start experimenting!
+```
+
+## 实验
+
+要运行以下任一实验，请在第二个终端中启动 CARLA：
+
+```bash
+bash ${CARLA_ROOT}/CarlaUE4.sh
+```
+
+<details>
+<summary>计算资源有限时的使用技巧</summary>
+
+- 使用 `-RenderOffscreen` 运行 CARLA，以避免打开观察者窗口。
+- 使用 `-quality-level=Low` 运行 CARLA，以降低渲染成本。最终评估时请勿使用此选项。
+- 通过指定 `-graphicsadapter=[id]`，让 CARLA 和模型在不同 GPU 上运行。
+
+</details>
+
+#### 你能手动完成基准路线吗？
+
+```bash
+python leaderboard/leaderboard/leaderboard_evaluator.py \
+  --agent ${WORK_DIR}/leaderboard/leaderboard/autoagents/human_agent_keyboard.py \
+  --routes ${WORK_DIR}/fail2drive_split/Generalization_PedestriansOnRoad_1085.xml
+```
+
+#### 运行 PDM-Lite 专家策略
+
+```bash
+python leaderboard/leaderboard/leaderboard_evaluator_local.py \
+  --agent ${WORK_DIR}/team_code/visu_agent.py \
+  --track MAP \
+  --routes ${WORK_DIR}/fail2drive_split/Generalization_PedestriansOnRoad_1085.xml
+```
+
+#### 运行 TransFuser++ 模型
+
+运行模型前，请将检查点下载到 `checkpoints` 文件夹：
+
+```bash
+mkdir -p checkpoints/tfpp
+wget -P checkpoints/tfpp \
+  https://huggingface.co/SimonGer/TFv5/resolve/main/all_towns/model_0030_0.pth \
+  https://huggingface.co/SimonGer/TFv5/resolve/main/all_towns/config.json
+```
+
+然后使用 `LIVE_VISU` 标志运行 TransFuser++，以实时查看模型输入：
+
+```bash
+LIVE_VISU=1 python leaderboard/leaderboard/leaderboard_evaluator_local.py \
+  --routes ${WORK_DIR}/fail2drive_split/Generalization_PedestriansOnRoad_1085.xml \
+  --agent ${WORK_DIR}/team_code/sensor_agent.py \
+  --agent-config ${WORK_DIR}/checkpoints/tfpp
+```
+
+## 评估
+
+### Fail2Drive 规则
+
+作为离线基准，用户可以访问完整的评估路线和资源。为了防止过拟合并维持 Fail2Drive 的公平性，我们制定了以下规则：
+
+1. **不得使用 Fail2Drive 场景进行训练。** 模型不得使用 Fail2Drive 引入的路线、场景定义或资源进行训练或微调。该基准严格作为留出测试集使用。
+
+2. **允许外部预训练。** 可以在大规模现实世界数据集、互联网规模的多模态语料库、基础模型或 VLM/LLM 主干网络上进行预训练。这类通用视觉或语言知识被视为模型先验，不构成对基准规则的违反。
+
+3. **提交排行榜成绩。** 我们鼓励用户通过 Pull Request 向[官方排行榜仓库](https://github.com/SimonGer/fail2drive_leaderboard)提交最终分数。这样可以保持比较一致，并促进透明的基准评测。更多信息请参阅[贡献指南](https://github.com/SimonGer/fail2drive_leaderboard?tab=contributing-ov-file)。
+
+### SLURM 评估
+
+我们提供了使用 SLURM 集群在完整基准上评估模型的工具。[slurm_evaluate.py](slurm_evaluate.py) 脚本会自动提交作业，提交数量上限由 [eval_num_jobs.txt](eval_num_jobs.txt) 指定，并持续监控评估过程。你需要进行少量修改，使该脚本适配具体集群和模型。请在脚本中查找 `NOTE` 和 `TODO` 注释。
+
+> **注意：** 运行脚本前，请务必激活 conda 环境：`conda activate fail2drive`
+
+如果评估期间遇到问题，欢迎提交 Issue！
+
+### 结果生成
+
+要获得最终分数，请使用 [tools/f2d_result_parser.py](tools/f2d_result_parser.py) 脚本：
+
+```bash
+python tools/f2d_result_parser.py /path/to/results --method MyMethod
+```
+
+## Fail2Drive 工具箱
+
+我们提供了多种工具，可利用 Fail2Drive 的可自定义场景和新资源生成新路线。
+
+![工具箱](./assets/toolbox.png)
+
+你可以在[此处](toolbox)查看这些工具的文档。若要分享和浏览社区创建的场景，请访问我们的[场景中心](https://github.com/SimonGer/fail2drive_scenario_hub)。
+
+## 致谢
+
+本项目建立在众多优秀开源项目的成果之上。我们大量使用了 [carla_garage](https://github.com/autonomousvision/carla_garage) 和 [carla_route_generator](https://github.com/autonomousvision/carla_route_generator)，并集成了 [CARLA Leaderboard](https://github.com/carla-simulator/leaderboard) 与 [scenario_runner](https://github.com/carla-simulator/scenario_runner) 框架。
+
+我们还要感谢本基准所评估模型的作者：[SimLingo](https://github.com/RenzKa/simlingo)、[HiP-AD](https://github.com/nullmax-vision/HiP-AD)、[Orion](https://github.com/xiaomi-mlab/Orion)、[PlanT2](https://github.com/autonomousvision/plant2) 和 [Bench2DriveZoo](https://github.com/Thinklab-SJTU/Bench2DriveZoo)。
+
+## 引用
+
+```bibtex
+@misc{gerstenecker2026fail2drivebenchmarkingclosedloopdriving,
+      title={Fail2Drive: Benchmarking Closed-Loop Driving Generalization},
+      author={Simon Gerstenecker and Andreas Geiger and Katrin Renz},
+      year={2026},
+      eprint={2604.08535},
+      archivePrefix={arXiv},
+      primaryClass={cs.RO},
+      url={https://arxiv.org/abs/2604.08535},
+}
+```