NeurIPS 2022 Competition: Driving SMARTS

要約

Driving SMARTS は、現実世界の自動運転 (AD) で蔓延している動的相互作用コンテキストの分布シフトによって引き起こされる問題に取り組むために設計された定期的なコンテストです。
提案された競争は、自然主義的な AD データとオープンソース シミュレーション プラットフォーム SMARTS の組み合わせでトレーニングされた、強化学習 (RL) やオフライン学習方法など、方法論的に多様なソリューションをサポートします。
2トラック構造により、分布シフトのさまざまな側面に焦点を当てることができます。
トラック 1 はあらゆる方法に開かれており、さまざまなバックグラウンドを持つ ML 研究者に、現実世界の自動運転の課題を解決する機会を提供します。
トラック 2 は、完全にオフラインの学習方法向けに設計されています。
したがって、新しい有望な研究の方向性を特定する目的で、異なる方法間で直接比較を行うことができます。
提案されたセットアップは、1) 現実世界のデータとマイクロ シミュレータを使用して生成された現実的なトラフィックで構成され、シナリオの忠実度を保証します。2) 問題を解決するためのさまざまな方法に対応するフレームワーク、および 3) ベースライン方法。
そのため、自動運転車の展開のさまざまな側面を原理的に調査するためのユニークな機会を提供します。

要約(オリジナル)

Driving SMARTS is a regular competition designed to tackle problems caused by the distribution shift in dynamic interaction contexts that are prevalent in real- world autonomous driving (AD). The proposed competition supports methodologically diverse solutions, such as reinforcement learning (RL) and offline learning methods, trained on a combination of naturalistic AD data and open-source simulation platform SMARTS. The two-track structure allows focusing on different aspects of the distribution shift. Track 1 is open to any method and will give ML researchers with different backgrounds an opportunity to solve a real-world autonomous driving challenge. Track 2 is designed for strictly offline learning methods. Therefore, direct com- parisons can be made between different methods with the aim to identify new promising research directions. The proposed setup consists of 1) realistic traffic generated using real-world data and micro simulators to ensure fidelity of the scenarios, 2) framework accommodating diverse methods for solving the problem, and 3) baseline method. As such it provides a unique opportunity for the principled investigation into various aspects of autonomous vehicle deployment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google