論文の概要: A Reinforcement Learning Framework with Description Language for Critical Driving Scenario Generation

• arxiv url: http://arxiv.org/abs/2209.10078v1
• Date: Wed, 21 Sep 2022 02:42:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 15:41:31.704910
• Title: A Reinforcement Learning Framework with Description Language for Critical Driving Scenario Generation
• Title（参考訳）: 批判駆動シナリオ生成のための記述言語を用いた強化学習フレームワーク
• Authors: Shuting Kang, Heng Guo and Yunzhi Xue
• Abstract要約: 本稿では,タスク評価の高速化のための重要なシナリオを生成するフレームワークを提案する。 具体的には,まずシナリオをモデル化するための記述言語BTScenarioを提案する。 次に、強化学習を用いて臨界パラメータの組み合わせを探索する。
• 参考スコア（独自算出の注目度）: 2.00757246016556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Critical scenario generation requires the ability of finding critical parameter combinations from the infinite parameter space in the logic scenario. Existing solutions aims to explore the correlation of parameters in the initial scenario without considering the connection between the parameters in the action sequence. How to model action sequences and consider the effects of different action parameter in the scenario remains a key challenge to solve the problem. In this paper, we propose a framework to generate critical scenarios for speeding up evaluating specific tasks. Specifically, we first propose a description language, BTScenario, to model the scenario, which contains the map, actors, interactions between actors, and oracles. We then use reinforcement learning to search for combinations of critical parameters. By adopting the action mask, the effects of non-fixed length and sequences in parameter space can be prevented. We demonstrate that the proposed framework is more efficient than random test and combination test methods in various scenarios.
• Abstract（参考訳）: クリティカルシナリオ生成には、論理シナリオの無限パラメータ空間からクリティカルパラメータの組み合わせを見つける能力が必要である。 既存のソリューションは、アクションシーケンスのパラメータ間の接続を考慮せずに、最初のシナリオにおけるパラメータの相関を調べることを目的としている。 アクションシーケンスをモデル化し、シナリオにおける異なるアクションパラメータの効果を検討する方法は、この問題を解決する上で重要な課題である。 本稿では,特定のタスクの評価を高速化するための重要なシナリオを生成するフレームワークを提案する。 具体的には、まず、マップ、アクター、アクター間の相互作用、およびオラクルを含むシナリオをモデル化するための記述言語btscenarioを提案します。 次に強化学習を用いて臨界パラメータの組み合わせを探索する。 アクションマスクを採用することにより、パラメータ空間における非固定長とシーケンスの影響を防止できる。 提案手法は,様々なシナリオにおけるランダムテストや組み合わせテストよりも効率的であることを示す。

関連論文リスト

• Explaining Datasets in Words: Statistical Models with Natural Language Parameters [66.69456696878842]
  本稿では, クラスタリング, 時系列, 分類モデルなど, 自然言語の述語によってパラメータ化される統計モデル群を紹介する。 当社のフレームワークは、ユーザチャット対話の分類、時間の経過とともにどのように進化するかの特徴付け、一方の言語モデルが他方よりも優れているカテゴリを見つけることなど、幅広い問題に適用しています。
  論文  参考訳（メタデータ） (2024-09-13T01:40:20Z)
• Causality-based Transfer of Driving Scenarios to Unseen Intersections [0.0]
  シナリオベースのテストでは、自動関数は事前に定義されたシナリオのセットで評価される。 現実的なシナリオを作成するには、パラメータとパラメータの依存関係を実際のデータを活用する必要がある。 本稿では,シナリオのパラメータ間の関係を体系的に解析する手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T15:38:18Z)
• Parameter Efficient Fine-tuning via Cross Block Orchestration for Segment Anything Model [81.55141188169621]
  PEFTにクロスブロックオーケストレーション機構を組み、SAM(Segment Anything Model)の様々な下流シナリオへの適応を可能にする。 本稿では,超複素層から重みが生じる線形射影ヘッドを導入するブロック内拡張モジュールを提案する。 提案手法は,約1Kのパラメータのみを付加した新規シナリオにおいて,セグメンテーション性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-11-28T11:23:34Z)
• Tree-Based Scenario Classification: A Formal Framework for Coverage Analysis on Test Drives of Autonomous Vehicles [0.0]
  シナリオベースのテストでは、関連する(運転)シナリオがテストの基礎になります。 シナリオの集合を分類し、記録されたテストドライブにおけるこれらのシナリオのカバレッジを測定するというオープンな課題に対処する。
  論文  参考訳（メタデータ） (2023-07-11T08:30:57Z)
• Online Continuous Hyperparameter Optimization for Generalized Linear Contextual Bandits [55.03293214439741]
  文脈的包帯では、エージェントは過去の経験に基づいた時間依存アクションセットから順次アクションを行う。 そこで本稿では,文脈的包帯のためのオンライン連続型ハイパーパラメータチューニングフレームワークを提案する。 理論上はサブ線形の後悔を達成でき、合成データと実データの両方において既存のすべての手法よりも一貫して優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2023-02-18T23:31:20Z)
• Retrieval-Augmented Generative Question Answering for Event Argument Extraction [66.24622127143044]
  イベント引数抽出のための検索拡張生成QAモデル(R-GQA)を提案する。 最も類似したQAペアを検索し、現在の例のコンテキストへのプロンプトとして拡張し、引数を回答としてデコードする。 提案手法は, 様々な設定において, かなり先行した手法より優れている。
  論文  参考訳（メタデータ） (2022-11-14T02:00:32Z)
• In-Context Learning for Few-Shot Dialogue State Tracking [55.91832381893181]
  In-context (IC) Learning framework for few-shot dialogue state tracking (DST)を提案する。 大規模な事前訓練言語モデル(LM)は、テストインスタンスといくつかの注釈付き例を入力として取り、パラメータの更新なしに直接対話状態をデコードする。 これにより、LMは、新しいドメインやシナリオに適応する際の、以前の数ショットのDST作業と比べて、より柔軟でスケーラブルになります。
  論文  参考訳（メタデータ） (2022-03-16T11:58:24Z)
• Retrieve-and-Fill for Scenario-based Task-Oriented Semantic Parsing [110.4684789199555]
  シナリオベースのセマンティックパーシングを導入し、最初に発話の「scenario」を曖昧にする必要がある元のタスクの変種を紹介します。 この定式化により、タスクの粗くきめ細かな側面を分離することが可能となり、それぞれがオフザシェルフニューラルネットワークモジュールで解決される。 私たちのモデルはモジュール化され、差別化可能で、解釈可能で、シナリオから余分な監督を得られるようになります。
  論文  参考訳（メタデータ） (2022-02-02T08:00:21Z)
• Learning to Collide: An Adaptive Safety-Critical Scenarios Generating Method [20.280573307366627]
  本稿では,タスクアルゴリズム評価のための安全クリティカルなシナリオを作成するための生成フレームワークを提案する。 提案手法は,グリッド探索や人的設計手法よりも安全クリティカルなシナリオを効率的に生成できることを実証する。
  論文  参考訳（メタデータ） (2020-03-02T21:26:03Z)
• Adaptive Parameterization for Neural Dialogue Generation [39.199204415979196]
  本稿では,bf適応型bfニューラルbf対話生成モデルtextscAdaNDを提案する。 各会話に対して、モデルは入力コンテキストを参照してエンコーダ・デコーダのパラメータを生成する。 大規模実世界の会話データセットを用いて行った実験から,定量的指標と人的評価の両面において,本モデルが優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-01-18T08:18:19Z)

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。