論文の概要: Acquiring Qualitative Explainable Graphs for Automated Driving Scene Interpretation

• arxiv url: http://arxiv.org/abs/2308.12755v1
• Date: Thu, 24 Aug 2023 13:01:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-25 14:06:44.586406
• Title: Acquiring Qualitative Explainable Graphs for Automated Driving Scene Interpretation
• Title（参考訳）: 運転シーン自動解釈のための質的説明可能なグラフの取得
• Authors: Nassim Belmecheri and Arnaud Gotlieb and Nadjib Lazaar and Helge Spieker
• Abstract要約: 自動運転(AD)の未来は、堅牢で公正で説明可能な人工知能の手法の開発に根ざしている。 本稿では,長期シーンの質的推論を目的とした,定性的eXplainable Graph (QXG) と呼ばれるADシーンの新たな表現を提案する。 オープンな実世界のマルチモーダルデータセットであるNuScenesの実験結果は、40フレームからなるADシーンの定性的eXplainableグラフを、空間記憶におけるリアルタイムおよび光で計算可能であることを示す。
• 参考スコア（独自算出の注目度）: 17.300690315775576
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The future of automated driving (AD) is rooted in the development of robust, fair and explainable artificial intelligence methods. Upon request, automated vehicles must be able to explain their decisions to the driver and the car passengers, to the pedestrians and other vulnerable road users and potentially to external auditors in case of accidents. However, nowadays, most explainable methods still rely on quantitative analysis of the AD scene representations captured by multiple sensors. This paper proposes a novel representation of AD scenes, called Qualitative eXplainable Graph (QXG), dedicated to qualitative spatiotemporal reasoning of long-term scenes. The construction of this graph exploits the recent Qualitative Constraint Acquisition paradigm. Our experimental results on NuScenes, an open real-world multi-modal dataset, show that the qualitative eXplainable graph of an AD scene composed of 40 frames can be computed in real-time and light in space storage which makes it a potentially interesting tool for improved and more trustworthy perception and control processes in AD.
• Abstract（参考訳）: 自動運転(AD)の未来は、堅牢で公正で説明可能な人工知能手法の開発に根ざしている。 要求されると、自動運転車はドライバーと乗客に、歩行者や他の脆弱な道路利用者に、そして事故時に外部監査人に彼らの決定を説明できなければならない。 しかし、今日では最も説明可能な手法は、複数のセンサーが捉えたADシーンの定量的解析に依存している。 本稿では,長期シーンの質的時空間的推論を目的とした,定性的eXplainable Graph (QXG) と呼ばれるADシーンの表現を提案する。 このグラフの構築は、最近の定性制約獲得パラダイムを活用する。 オープン・リアル・ワールドのマルチモーダル・データセットであるnuscenesに関する実験結果から,40フレームからなる広告シーンの質的説明可能なグラフを,空間記憶においてリアルタイムかつ軽量に計算できることが判明した。

関連論文リスト

• Knowledge Graphs of Driving Scenes to Empower the Emerging Capabilities of Neurosymbolic AI [1.6385815610837167]
  ニューロシンボリックAIは、知覚から認知に至るまでのタスクに対する強力なアプローチとして浮上している。 ニューロシンボリックAIタスクに適した、広く利用可能な実世界のベンチマークデータセットがない。 私たちはDSceneKGを紹介します。これは、オープンな自律運転データセットから構築された実世界の高品質なシーンから構築された、運転シーンの知識グラフのスイートです。
  論文  参考訳（メタデータ） (2024-11-05T16:15:33Z)
• 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)
• Towards Trustworthy Automated Driving through Qualitative Scene Understanding and Explanations [15.836913530330786]
  質的説明可能なグラフ(QXG)は、都市移動におけるシーン理解のための統一的な象徴的、質的表現である。 QXGはリアルタイムで構築することができ、様々なセンサータイプにわたる車内説明のための汎用的なツールである。 これらの説明は、乗客や信頼できるユーザーに通知することから、過去の行動のポストホック分析を可能にすることまで、様々な目的に役立てることができる。
  論文  参考訳（メタデータ） (2024-03-25T16:19:33Z)
• Trustworthy Automated Driving through Qualitative Scene Understanding and Explanations [15.836913530330786]
  本稿では,都市移動におけるシーン理解のための統一的シンボルと定性表現である定性説明可能グラフ(QXG)を提案する。 QXGは、センサーデータと機械学習モデルを使用して、自動車両環境の解釈を可能にする。 リアルタイムでインクリメンタルに構築することができ、車内説明やリアルタイム意思決定のための汎用的なツールになります。
  論文  参考訳（メタデータ） (2024-01-29T11:20:19Z)
• Exploring the Potential of Multi-Modal AI for Driving Hazard Prediction [18.285227911703977]
  本稿では,車載ダッシュカムが捉えた単一入力画像を用いて,差し迫った事故を予測するためのタスクとして定式化する。 この問題は、不確実な観測に基づいて将来の出来事を予測し、推論する必要がある。 この調査対象領域の研究を可能にするために、DHPRデータセットと呼ばれる新しいデータセットが作成される。
  論文  参考訳（メタデータ） (2023-10-07T03:16:30Z)
• Unsupervised Self-Driving Attention Prediction via Uncertainty Mining and Knowledge Embedding [51.8579160500354]
  本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。 結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-03-17T00:28:33Z)
• Utilizing Background Knowledge for Robust Reasoning over Traffic Situations [63.45021731775964]
  我々は、インテリジェントトランスポーテーションの補完的な研究側面である交通理解に焦点を当てる。 本研究は,豊富なコモンセンス知識を前提として,テキストベースの手法とデータセットを対象とする。 交通状況に対するゼロショットQAには3つの知識駆動アプローチを採用しています。
  論文  参考訳（メタデータ） (2022-12-04T09:17:24Z)
• 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。