論文の概要: Towards Scenario- and Capability-Driven Dataset Development and Evaluation: An Approach in the Context of Mapless Automated Driving
- arxiv url: http://arxiv.org/abs/2404.19656v1
- Date: Tue, 30 Apr 2024 15:52:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-01 13:36:16.194235
- Title: Towards Scenario- and Capability-Driven Dataset Development and Evaluation: An Approach in the Context of Mapless Automated Driving
- Title（参考訳）: シナリオと能力駆動型データセット開発と評価:マップレス自動運転の文脈におけるアプローチ
- Authors: Felix Grün, Marcus Nolte, Markus Maurer,
- Abstract要約: 本稿では,自動走行における環境認識のためのデータセット開発プロセスに焦点を当てる。
本稿では,データセット開発におけるシナリオと能力に基づくアプローチを提案する。
この方法論を、既存のレーン検出データセットの幅広い範囲に適用することにより、現在のデータセットにおける重要な制限を特定します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The foundational role of datasets in defining the capabilities of deep learning models has led to their rapid proliferation. At the same time, published research focusing on the process of dataset development for environment perception in automated driving has been scarce, thereby reducing the applicability of openly available datasets and impeding the development of effective environment perception systems. Sensor-based, mapless automated driving is one of the contexts where this limitation is evident. While leveraging real-time sensor data, instead of pre-defined HD maps promises enhanced adaptability and safety by effectively navigating unexpected environmental changes, it also increases the demands on the scope and complexity of the information provided by the perception system. To address these challenges, we propose a scenario- and capability-based approach to dataset development. Grounded in the principles of ISO 21448 (safety of the intended functionality, SOTIF), extended by ISO/TR 4804, our approach facilitates the structured derivation of dataset requirements. This not only aids in the development of meaningful new datasets but also enables the effective comparison of existing ones. Applying this methodology to a broad range of existing lane detection datasets, we identify significant limitations in current datasets, particularly in terms of real-world applicability, a lack of labeling of critical features, and an absence of comprehensive information for complex driving maneuvers.
- Abstract（参考訳）: ディープラーニングモデルの能力を定義する上でのデータセットの基本的な役割は、その急速な普及につながった。
同時に、自動走行における環境認識のためのデータセット開発に焦点をあてた研究は、ほとんど行われていないため、公開データセットの適用性が低下し、効果的な環境認識システムの開発を妨げている。
センサベースでマップレスな自動運転は、この制限が明確であるコンテキストの1つである。
リアルタイムセンサデータを活用する一方で、事前定義されたHDマップの代わりに、予期せぬ環境変化を効果的にナビゲートすることで、適応性と安全性の向上を約束する。
これらの課題に対処するため,我々は,データセット開発に対するシナリオと能力に基づくアプローチを提案する。
ISO/TR 4804により拡張されたISO 21448(SOTIF)の原則に基づいて,本手法はデータセット要求の構造的導出を促進する。
これは意味のある新しいデータセットの開発に役立つだけでなく、既存のデータセットの効果的な比較を可能にする。
この方法論を既存のレーン検出データセットの幅広い範囲に適用することにより、特に現実の応用性、重要な特徴のラベル付けの欠如、複雑な運転操作のための包括的な情報がないという点において、現在のデータセットにおける重要な制限を識別する。
関連論文リスト
- A-BDD: Leveraging Data Augmentations for Safe Autonomous Driving in Adverse Weather and Lighting [35.410769661423004]
A-BDDは、BDD100Kをベースとした6万以上の合成画像の大規模な集合である。
データセットには、雨、霧、曇り、日陰、日陰の増設データが含まれており、強度レベルは様々である。
我々は、悪天候や照明条件における性能ギャップを埋める上で、データ拡張が重要な役割を果たす証拠を提供する。
論文 参考訳（メタデータ） (2024-08-12T11:44:47Z) - Reconsidering utility: unveiling the limitations of synthetic mobility data generation algorithms in real-life scenarios [49.1574468325115]
実世界の応用性の観点から,5つの最先端合成手法の有用性を評価した。
我々は、GPS追跡タクシーのような細粒度都市の動きを符号化するいわゆる旅行データに焦点を当てる。
あるモデルは妥当な時間内にデータを生成することができず、別のモデルはマップマッチングの要件を満たすためにあまりに多くのジャンプを生成する。
論文 参考訳（メタデータ） (2024-07-03T16:08:05Z) - 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) - 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) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - TII-SSRC-23 Dataset: Typological Exploration of Diverse Traffic Patterns
for Intrusion Detection [0.5261718469769447]
既存のデータセットは、しばしば不足しており、必要な多様性と現在のネットワーク環境との整合性が欠如している。
本稿では,これらの課題を克服するための新しい包括的データセットであるTII-SSRC-23を紹介する。
論文 参考訳（メタデータ） (2023-09-14T05:23:36Z) - 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) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳（メタデータ） (2023-06-14T05:48:36Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z) - Deep learning for radar data exploitation of autonomous vehicle [0.0]
この論文は、周囲の物体の低コストな能動センサ特性である自動車RADARに焦点を当てている。
RAARセンサーは、角の解像度、サイズ、ノイズ、RAARの生データの複雑さが低いため、シーン理解にはほとんど使われない。
この論文は、注釈付きデータセットの構築から適応型ディープラーニングアーキテクチャの概念まで、RADARシーン理解の広範な研究を提案する。
論文 参考訳（メタデータ） (2022-03-15T16:19:51Z)
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。