論文の概要: An Application-Driven Conceptualization of Corner Cases for Perception
in Highly Automated Driving
- arxiv url: http://arxiv.org/abs/2103.03678v1
- Date: Fri, 5 Mar 2021 13:56:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-08 14:42:31.879977
- Title: An Application-Driven Conceptualization of Corner Cases for Perception
in Highly Automated Driving
- Title（参考訳）: 高自動運転における認識のためのコーナーケースの応用駆動概念化
- Authors: Florian Heidecker, Jasmin Breitenstein, Kevin R\"osch, Jonas
L\"ohdefink, Maarten Bieshaar, Christoph Stiller, Tim Fingscheidt, Bernhard
Sick
- Abstract要約: 高度に自動化された運転において、コーナーケースのアプリケーション駆動ビューを提供する。
RADARとLiDARを追加することで、コーナーケースの既存のカメラフォーカスのシステム化を拡張します。
データ取得と処理のための模範的なツールチェーンについて説明する。
- 参考スコア（独自算出の注目度）: 21.67019631065338
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Systems and functions that rely on machine learning (ML) are the basis of
highly automated driving. An essential task of such ML models is to reliably
detect and interpret unusual, new, and potentially dangerous situations. The
detection of those situations, which we refer to as corner cases, is highly
relevant for successfully developing, applying, and validating automotive
perception functions in future vehicles where multiple sensor modalities will
be used. A complication for the development of corner case detectors is the
lack of consistent definitions, terms, and corner case descriptions, especially
when taking into account various automotive sensors. In this work, we provide
an application-driven view of corner cases in highly automated driving. To
achieve this goal, we first consider existing definitions from the general
outlier, novelty, anomaly, and out-of-distribution detection to show relations
and differences to corner cases. Moreover, we extend an existing camera-focused
systematization of corner cases by adding RADAR (radio detection and ranging)
and LiDAR (light detection and ranging) sensors. For this, we describe an
exemplary toolchain for data acquisition and processing, highlighting the
interfaces of the corner case detection. We also define a novel level of corner
cases, the method layer corner cases, which appear due to uncertainty inherent
in the methodology or the data distribution.
- Abstract（参考訳）: 機械学習(ML)に依存するシステムと機能は、高度に自動化された運転の基礎です。
このようなMLモデルの基本課題は、異常、新しい、潜在的に危険な状況を確実に検出し、解釈することである。
私たちがコーナーケースと呼ぶこれらの状況の検出は、複数のセンサーモダリティが使用される将来の車両における自動車認識機能の開発、適用、および検証に非常に関連しています。
コーナーケース検出器の開発の複雑さは、特に様々な自動車センサーを考慮すると、一貫した定義、用語、コーナーケース記述の欠如である。
本研究では,高自動化運転におけるコーナーケースのアプリケーション駆動ビューを提供する。
この目的を達成するために、まず、一般的な外れ値、ノベル性、異常値、および分布外検出からの既存の定義を考慮し、コーナーケースとの関係と差異を示す。
さらに,RAAR (Radio detection and range) とLiDAR (light detection and range) センサを付加することで,既存のカメラによるコーナーケースの体系化を拡大する。
そこで本研究では,データ取得と処理のツールチェーンを例示し,コーナーケース検出のインターフェースを強調した。
我々はまた、方法論やデータ分布に固有の不確実性のために現れる新しいレベルのコーナーケース、メソッドレイヤーコーナーケースを定義します。
関連論文リスト
- DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。
運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。
我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文 参考訳（メタデータ） (2023-10-03T10:10:42Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。
潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。
適応過程を監督する信頼性のある信号はターゲット領域に存在しない。
この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
論文 参考訳（メタデータ） (2023-03-27T15:07:55Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - A-Eye: Driving with the Eyes of AI for Corner Case Generation [0.6445605125467573]
この作業の全体的な目標は、いわゆるコーナーケースによる自動運転のためのトレーニングデータを強化することだ。
本稿では,人為的ループ手法を用いて合成コーナーケースを生成するテストリグの設計について述べる。
論文 参考訳（メタデータ） (2022-02-22T10:42:23Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - Corner Cases for Visual Perception in Automated Driving: Some Guidance
on Detection Approaches [25.17917252608398]
コーナーケースは、運転中に発生する予期せぬ、未知の状況である。
検出は非常に安全であり、大量の収集データに適用して適切なトレーニングデータを選択することができる。
本研究では,各レベルの例を拡張して,異なるレベルにおけるコーナーケースの事前の体系化を継続する。
論文 参考訳（メタデータ） (2021-02-11T09:06:13Z) - Corner Case Generation and Analysis for Safety Assessment of Autonomous
Vehicles [3.673699859949693]
意思決定システムのための一貫した枠組みが提案されている。
背景車両の挙動を学習するために, 深部強化学習技術を適用した。
学習されたポリシーでは、BVはより積極的にCAVと対話し、より多くのコーナーケースをもたらす。
論文 参考訳（メタデータ） (2021-02-06T02:48:23Z) - Corner case data description and detection [3.4954795813842185]
コーナーケースと関連する検出は、安全およびセキュリティクリティカルなシステムを構築するためのAI品質保証に不可欠です。
1つは、パラメータ/構造を調整することによって、DLモデルの堅牢性をコーナーケースデータに高めることです。
もう1つは、モデルの再トレーニングと改善のための新しいコーナーケースを生成することです。
本稿では,特定の指標を用いたコーナーケースデータ検出を目的とした,単純で新しい研究を提案する。
論文 参考訳（メタデータ） (2021-01-07T11:26:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。