Fugu-MT 論文翻訳(概要): An Application-Driven Conceptualization of Corner Cases for Perception in Highly Automated Driving

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。