論文の概要: Perspective, Survey and Trends: Public Driving Datasets and Toolsets for
Autonomous Driving Virtual Test
- arxiv url: http://arxiv.org/abs/2104.00273v1
- Date: Thu, 1 Apr 2021 06:17:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 13:28:52.591819
- Title: Perspective, Survey and Trends: Public Driving Datasets and Toolsets for
Autonomous Driving Virtual Test
- Title（参考訳）: 展望、調査、トレンド: 自律運転バーチャルテストのための公共運転データセットとツールセット
- Authors: Pengliang Ji, Li Ruan, Yunzhi Xue, Limin Xiao, Qian Dong
- Abstract要約: 本論文では,最初に自律走行テストのためのSLR(Systematic Literature Review)アプローチを提案し,2000年から2020年までの既存の公開データセットとツールセットの概要を示す。
SLAベースの調査アプローチを使用して、データセットとツールセットの両方に関する最近の経験的な調査を初めて実施しました。
- 参考スコア（独自算出の注目度）: 4.2628421392139
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Owing to the merits of early safety and reliability guarantee, autonomous
driving virtual testing has recently gains increasing attention compared with
closed-loop testing in real scenarios. Although the availability and quality of
autonomous driving datasets and toolsets are the premise to diagnose the
autonomous driving system bottlenecks and improve the system performance, due
to the diversity and privacy of the datasets and toolsets, collecting and
featuring the perspective and quality of them become not only time-consuming
but also increasingly challenging. This paper first proposes a Systematic
Literature Review (SLR) approach for autonomous driving tests, then presents an
overview of existing publicly available datasets and toolsets from 2000 to
2020. Quantitative findings with the scenarios concerned, perspectives and
trend inferences and suggestions with 35 automated driving test tool sets and
70 test data sets are also presented. To the best of our knowledge, we are the
first to perform such recent empirical survey on both the datasets and toolsets
using a SLA based survey approach. Our multifaceted analyses and new findings
not only reveal insights that we believe are useful for system designers,
practitioners and users, but also can promote more researches on a systematic
survey analysis in autonomous driving surveys on dataset and toolsets.
- Abstract（参考訳）: 初期の安全性と信頼性保証のメリットから、自動運転のバーチャルテストは、現実のシナリオでのクローズドループテストに比べて注目を集めている。
自律運転データセットとツールセットの可用性と品質は、自律運転システムのボトルネックを診断し、システムパフォーマンスを改善するための前提であるが、データセットとツールセットの多様性とプライバシーのために、それらの視点と品質の収集と特徴付けは、時間を要するだけでなく、ますます困難になっている。
本稿では,まず,自律走行テストのための体系的文献レビュー(slr)アプローチを提案し,2000年から2020年までの既存の公開データセットとツールセットの概要を紹介する。
シナリオに関する定量的な知見や展望、傾向推論、35の自動運転テストツールセットと70のテストデータセットによる提案も紹介されている。
私たちの知る限りでは、SLAベースの調査アプローチを使用して、データセットとツールセットの両方に関する最近の経験的な調査を初めて実施しています。
マルチフェイス分析と新たな知見により,システム設計者,実践者,ユーザにとって有用であると考えられる洞察が明らかにされるだけでなく,データセットやツールセットに関する自律運転調査において,系統的調査分析に関するさらなる研究が促進される。
関連論文リスト
- AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳（メタデータ） (2024-03-26T04:27:56Z) - A Survey on Autonomous Driving Datasets: Statistics, Annotation Quality, and a Future Outlook [24.691922611156937]
複数の視点から265個の自律走行データセットを網羅的に検討した。
我々は、新しいデータセットを作成するためのガイドとしても使えるデータセットの影響を評価するための新しい指標を紹介します。
我々は、将来の自動運転データセットの現在の課題と開発動向について論じる。
論文 参考訳（メタデータ） (2024-01-02T22:35:33Z) - Reason2Drive: Towards Interpretable and Chain-based Reasoning for Autonomous Driving [38.28159034562901]
Reason2Driveは600万以上のビデオテキストペアを備えたベンチマークデータセットである。
我々は、自律運転プロセスが知覚、予測、推論ステップの逐次的な組み合わせであると特徴付けている。
本稿では,自律システムにおける連鎖型推論性能を評価するための新しい集計評価指標を提案する。
論文 参考訳（メタデータ） (2023-12-06T18:32:33Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? [84.17711168595311]
エンドツーエンドの自動運転は、フルスタックの観点から自律性を目標とする、有望な研究の方向性として浮上している。
比較的単純な駆動シナリオを特徴とするnuScenesデータセットは、エンド・ツー・エンド・モデルにおける知覚情報の未使用化につながる。
予測軌跡が道路に付着するかどうかを評価するための新しい指標を提案する。
論文 参考訳（メタデータ） (2023-12-05T11:32:31Z) - A Survey on Datasets for Decision-making of Autonomous Vehicle [11.556769001552768]
意思決定は、ハイレベルな自動走行に向けた重要なモジュールの1つである。
データ駆動による意思決定アプローチは、ますます注目を集めています。
本研究では、車両、環境、運転者関連データの最先端データセットを比較した。
論文 参考訳（メタデータ） (2023-06-29T08:42:18Z) - Testing predictive automated driving systems: lessons learned and future
recommendations [0.9005172375036413]
本稿では,自動運転機能における予測システムの実証実験結果について報告する。
予測自動運転機能のテスト経験に基づいて、現在の物理的なテストアプローチの主な限界を特定します。
論文 参考訳（メタデータ） (2022-04-25T12:10:45Z) - SODA10M: Towards Large-Scale Object Detection Benchmark for Autonomous
Driving [94.11868795445798]
我々は,SODA10Mという名の自律走行用大規模物体検出ベンチマークをリリースし,1000万枚の未ラベル画像と6つの代表対象カテゴリをラベル付けした20K画像を含む。
多様性を向上させるために、画像は32の異なる都市で、1フレームあたり10秒毎に異なる気象条件、期間、場所のシーンで収集される。
我々は、既存の教師付き最先端検出モデル、一般的な自己監督型および半教師付きアプローチ、および将来のモデルの開発方法に関するいくつかの知見について、広範な実験と詳細な分析を行った。
論文 参考訳（メタデータ） (2021-06-21T13:55:57Z) - One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。
データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。
我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
論文 参考訳（メタデータ） (2021-06-21T12:28:08Z) - Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。
実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
論文 参考訳（メタデータ） (2021-01-16T23:45:02Z)
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。