Scenario Extraction from a Large Real-World Dataset for the Assessment of Automated Vehicles

要約

自動車分野の多くの企業は、自動運転車 (AV) のシナリオベースの評価をサポートしています。これにより、個々の交通状況をテストできるため、さまざまな状況における AV のパフォーマンスについての結論を容易に得ることができます。
現実の交通では多数の異なるシナリオが発生する可能性があるため、問題は、関連するシナリオの有限セットをどのように見つけるかです。
実際の運転データが使用されるため、大規模な現実世界のデータセットから抽出されたシナリオは現実世界の交通状況を表します。
ただし、シナリオの抽出は困難です。その理由は、(1) テスト対象のシナリオは AV の安全な動作を評価する必要があり、これはデータの大部分に安全性の観点からは興味のないシナリオが含まれているという事実と矛盾すること、および (2) 広範なシナリオであるためです。
データ処理が必要となるため、大規模な現実世界のデータセットの利用が妨げられます。
この研究では、現実世界の運転データからシナリオを抽出するアプローチを提案します。
最初のステップは、データを再構築することによって実世界のデータのエラーとノイズに対処するためのデータ前処理です。
2 番目のステップでは、データのタグ付けを実行して、アクターのアクティビティ、アクター間の相互作用、および環境にラベルを付けます。
最後に、タグの組み合わせを検索することでシナリオを抽出します。
提案されたアプローチは、CARLA でシミュレートされたデータを使用して評価され、大規模な現実世界の運転データセット、つまり Waymo Open Motion Dataset (WOMD) の一部に適用されます。
WOMD から抽出されたコードとシナリオは、さまざまなシナリオでの自動運転機能の評価を容易にするために、研究コミュニティに公開されています。

要約(オリジナル)

Many players in the automotive field support scenario-based assessment of automated vehicles (AVs), where individual traffic situations can be tested and, thus, facilitate concluding on the performance of AVs in different situations. Since a large number of different scenarios can occur in real-world traffic, the question is how to find a finite set of relevant scenarios. Scenarios extracted from large real-world datasets represent real-world traffic since real driving data is used. Extracting scenarios, however, is challenging because (1) the scenarios to be tested should assess the AVs behave safely, which conflicts with the fact that the majority of the data contains scenarios that are not interesting from a safety perspective, and (2) extensive data processing is required, which hinders the utilization of large real-world datasets. In this work, we propose an approach for extracting scenarios from real-world driving data. The first step is data preprocessing to tackle the errors and noise in real-world data by reconstructing the data. The second step performs data tagging to label actors’ activities, their interactions with each other and the environment. Finally, the scenarios are extracted by searching for combinations of tags. The proposed approach is evaluated using data simulated with CARLA and applied to a part of a large real-world driving dataset, i.e., the Waymo Open Motion Dataset (WOMD). The code and scenarios extracted from WOMD are open to the research community to facilitate the assessment of the automated driving functions in different scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google