Exploring the Potential of World Models for Anomaly Detection in Autonomous Driving

要約

近年、自動運転の進歩には目覚ましいものがあります。
自動運転車は密閉された環境では高いパフォーマンスを発揮しますが、予期せぬ状況に直面すると困難に直面します。
同時に、エージェントが潜在的なアクションに応じて未来を予測できるようにする方法として、モデルベースの強化学習の分野でワールド モデルが登場しました。
これにより、報酬がまばらで複雑な制御タスクにおいて優れた結果が得られました。
この研究では、ワールド モデルを活用して自動運転の領域で異常検出を実行する方法の概要を示します。
私たちは世界モデルの特徴付けを提供し、個々のコンポーネントを異常検出における以前の研究に関連付けて、この分野でのさらなる研究を促進します。

要約(オリジナル)

In recent years there have been remarkable advancements in autonomous driving. While autonomous vehicles demonstrate high performance in closed-set conditions, they encounter difficulties when confronted with unexpected situations. At the same time, world models emerged in the field of model-based reinforcement learning as a way to enable agents to predict the future depending on potential actions. This led to outstanding results in sparse reward and complex control tasks. This work provides an overview of how world models can be leveraged to perform anomaly detection in the domain of autonomous driving. We provide a characterization of world models and relate individual components to previous works in anomaly detection to facilitate further research in the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google