論文の概要: Knowledge Graphs of Driving Scenes to Empower the Emerging Capabilities of Neurosymbolic AI

• arxiv url: http://arxiv.org/abs/2411.03225v2
• Date: Thu, 07 Nov 2024 15:41:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 11:32:05.865168
• Title: Knowledge Graphs of Driving Scenes to Empower the Emerging Capabilities of Neurosymbolic AI
• Title（参考訳）: ニューロシンボリックAIの新たな能力を活用した運転シーンの知識グラフ
• Authors: Ruwan Wickramarachchi, Cory Henson, Amit Sheth,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.6385815610837167
• License:
• Abstract: In the era of Generative AI, Neurosymbolic AI is emerging as a powerful approach for tasks spanning from perception to cognition. The use of Neurosymbolic AI has been shown to achieve enhanced capabilities, including improved grounding, alignment, explainability, and reliability. However, due to its nascent stage, there is a lack of widely available real-world benchmark datasets tailored to Neurosymbolic AI tasks. To address this gap and support the evaluation of current and future methods, we introduce DSceneKG -- a suite of knowledge graphs of driving scenes built from real-world, high-quality scenes from multiple open autonomous driving datasets. In this article, we detail the construction process of DSceneKG and highlight its application in seven different tasks. DSceneKG is publicly accessible at: https://github.com/ruwantw/DSceneKG
• Abstract（参考訳）: ジェネレーティブAIの時代、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現れている。 Neurosymbolic AIの使用は、グラウンディングの改善、アライメント、説明可能性、信頼性など、強化された機能を実現することが示されている。 しかし、その初期段階のため、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不足している。 このギャップに対処し、現在および将来の方法の評価をサポートするために、複数の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であるDSceneKGを紹介します。 本稿では,DSceneKGの構築プロセスについて詳述し,その応用を7つの異なるタスクで強調する。 DSceneKG は https://github.com/ruwantw/DSceneKG で公開されている。

関連論文リスト

• Towards Efficient Neuro-Symbolic AI: From Workload Characterization to Hardware Architecture [22.274696991107206]
  ニューロシンボリックAIは、解釈可能性、堅牢性、信頼性を高めるニューラルネットワークとシンボリックアプローチを融合して、有望なパラダイムとして出現する。 最近のニューロシンボリックシステムは、推論と認知能力を備えた協調的な人間-AIシナリオにおいて大きな可能性を示している。 まず, ニューロシンボリックAIアルゴリズムを体系的に分類し, 実行時, メモリ, 計算演算子, 疎結合性, システム特性を実験的に評価し, 解析する。
  論文  参考訳（メタデータ） (2024-09-20T01:32:14Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• AUTONODE: A Neuro-Graphic Self-Learnable Engine for Cognitive GUI Automation [0.0]
  オンラインニューログラフィック操作と深部探索によるユーザインタフェースの自律的変換 我々のエンジンはエージェントが複雑に理解し実装し、非並列な効率で動的Web環境に適応することを可能にする。 AUTONODEの汎用性と有効性は一連の実験を通じて実証され、様々なWebベースのタスクを管理する能力を強調している。
  論文  参考訳（メタデータ） (2024-03-15T10:27:17Z)
• Towards Knowledge-driven Autonomous Driving [37.003908817857095]
  本稿では,新しい知識駆動型自動運転技術について考察する。 我々の調査は、現在の自動運転システムの限界を浮き彫りにしている。 認知、一般化、生涯学習の能力を備えた知識駆動型手法は、これらの課題を克服するための有望な方法として浮上する。
  論文  参考訳（メタデータ） (2023-12-07T14:17:17Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• Acquiring Qualitative Explainable Graphs for Automated Driving Scene Interpretation [17.300690315775576]
  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。
  論文  参考訳（メタデータ） (2023-08-24T13:01:46Z)
• Neurosymbolic AI - Why, What, and How [9.551858963199987]
  人間は知覚と認知の組み合わせを使って環境と相互作用する。 一方、機械認識はより複雑な計算を包含する。 本稿では,ニューロシンボリックAIの新たなパラダイムを紹介する。
  論文  参考訳（メタデータ） (2023-05-01T13:27:22Z)
• 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)
• ProcTHOR: Large-Scale Embodied AI Using Procedural Generation [55.485985317538194]
  ProcTHORは、Embodied AI環境の手続き的生成のためのフレームワークである。 ナビゲーション、アレンジメント、アーム操作のための6つの具体化されたAIベンチマークに対して、最先端の結果を実証する。
  論文  参考訳（メタデータ） (2022-06-14T17:09:35Z)
• Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
  Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。 本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。 NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-25T12:41:59Z)
• KITTI-360: A Novel Dataset and Benchmarks for Urban Scene Understanding in 2D and 3D [67.50776195828242]
  KITTI-360は、よりリッチな入力モダリティ、包括的なセマンティックインスタンスアノテーション、正確なローカライゼーションを含む郊外の運転データセットである。 その結果,150k以上のセマンティクスとインスタンスのアノテート画像と1Bのアノテート3Dポイントが得られた。 我々は、同じデータセット上のコンピュータビジョン、グラフィックス、ロボット工学の問題を含む、モバイル知覚に関連するいくつかのタスクのベンチマークとベースラインを構築した。
  論文  参考訳（メタデータ） (2021-09-28T00:41:29Z)

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。