論文の概要: A Survey on Datasets for Decision-making of Autonomous Vehicle

• arxiv url: http://arxiv.org/abs/2306.16784v2
• Date: Fri, 22 Sep 2023 09:21:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 18:36:10.806277
• Title: A Survey on Datasets for Decision-making of Autonomous Vehicle
• Title（参考訳）: 自動運転車の意思決定のためのデータセットに関する調査
• Authors: Yuning Wang, Zeyu Han, Yining Xing, Shaobing Xu, Jianqiang Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.556769001552768
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Autonomous vehicles (AV) are expected to reshape future transportation systems, and decision-making is one of the critical modules toward high-level automated driving. To overcome those complicated scenarios that rule-based methods could not cope with well, data-driven decision-making approaches have aroused more and more focus. The datasets to be used in developing data-driven methods dramatically influences the performance of decision-making, hence it is necessary to have a comprehensive insight into the existing datasets. From the aspects of collection sources, driving data can be divided into vehicle, environment, and driver related data. This study compares the state-of-the-art datasets of these three categories and summarizes their features including sensors used, annotation, and driving scenarios. Based on the characteristics of the datasets, this survey also concludes the potential applications of datasets on various aspects of AV decision-making, assisting researchers to find appropriate ones to support their own research. The future trends of AV dataset development are summarized.
• Abstract（参考訳）: 自動運転車(av)は将来の輸送システムを再構築することが期待されており、意思決定は高レベルの自動運転に向けた重要なモジュールの1つである。 ルールベースの手法がうまく対応できないような複雑なシナリオを克服するために、データ駆動型意思決定アプローチはますます焦点を絞っている。 データ駆動手法の開発に使用されるデータセットは、意思決定のパフォーマンスに劇的に影響を与えるため、既存のデータセットに関する包括的な洞察を得ることが必要である。 収集源の観点からは、運転データを車、環境、運転者関連データに分割することができる。 本研究では,これら3つのカテゴリの最先端データセットを比較し,使用するセンサ,アノテーション,運転シナリオなどの特徴を要約する。 データセットの特徴に基づいて、av意思決定のさまざまな側面におけるデータセットの潜在的応用も結論付け、研究者が独自の研究を支援する適切なデータセットを見つけるのを支援する。 avデータセット開発の今後の動向を概説する。

関連論文リスト

• Collective Perception Datasets for Autonomous Driving: A Comprehensive Review [0.5326090003728084]
  本稿では,自律運転の文脈における集合認識データセットの包括的レビューを行う。 この研究は、すべてのデータセットの重要な基準を特定し、その強さ、弱点、異常を提示することを目的としている。
  論文  参考訳（メタデータ） (2024-05-27T09:08:55Z)
• Collaborative Perception Datasets in Autonomous Driving: A Survey [0.0]
  この論文は様々なデータセットを体系的に分析し、多様性、センサーの設定、品質、公開可用性、下流タスクへの適用性といった側面に基づいて比較する。 データセット開発におけるプライバシとセキュリティの懸念に対処することの重要性は、データ共有とデータセット生成に関して強調されている。
  論文  参考訳（メタデータ） (2024-04-22T09:36:17Z)
• D2E-An Autonomous Decision-making Dataset involving Driver States and Human Evaluation [6.890077875318333]
  Driver to Evaluationデータセット(D2E)は、自律的な意思決定データセットである。 運転状態、車両状態、環境状況、および人間レビュアーによる評価スコアに関するデータが含まれている。 D2Eは、人間のドライバーファクターから評価結果をカバーする1100以上の対話運転ケースデータを含んでいる。
  論文  参考訳（メタデータ） (2024-04-12T21:29:18Z)
• SubjectDrive: Scaling Generative Data in Autonomous Driving via Subject Control [59.20038082523832]
  我々は、自動走行アプリケーションの改善を継続的に行う方法で、生成データ生産を拡大することが証明された最初のモデルであるSubjectDriveを提案する。 本研究では, 多様なデータを生成するために, 多様な外部データソースを活用可能な, 主観制御機構を備えた新しいモデルを開発する。
  論文  参考訳（メタデータ） (2024-03-28T14:07:13Z)
• UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
  さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。 我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。 これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-22T10:36:50Z)
• 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)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• 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。