Acquiring Qualitative Explainable Graphs for Automated Driving Scene Interpretation

要約

自動運転 (AD) の将来は、堅牢で公平かつ説明可能な人工知能手法の開発に根ざしています。
要請に応じて、自動運転車は、ドライバーと同乗者、歩行者やその他の交通弱者、さらには事故が発生した場合には外部の監査人に対して、その決定を説明できなければなりません。
しかし、今日では、ほとんどの説明可能な手法は依然として、複数のセンサーによってキャプチャされた AD シーン表現の定量的分析に依存しています。
この論文は、長期シーンの定性的時空間推論に特化した、定性的説明グラフ (QXG) と呼ばれる、AD シーンの新しい表現を提案します。
このグラフの構築には、最近の定性的制約取得パラダイムが活用されています。
オープンな現実世界のマルチモーダル データセットである NuScenes での実験結果は、40 フレームで構成される AD シーンの定性的な説明可能なグラフをリアルタイムで計算でき、空間ストレージ内で軽量に実行できるため、潜在的に興味深いツールとなることを示しています。
AD における認識および制御プロセスが改善され、より信頼できるようになりました。

要約(オリジナル)

The future of automated driving (AD) is rooted in the development of robust, fair and explainable artificial intelligence methods. Upon request, automated vehicles must be able to explain their decisions to the driver and the car passengers, to the pedestrians and other vulnerable road users and potentially to external auditors in case of accidents. However, nowadays, most explainable methods still rely on quantitative analysis of the AD scene representations captured by multiple sensors. This paper proposes a novel representation of AD scenes, called Qualitative eXplainable Graph (QXG), dedicated to qualitative spatiotemporal reasoning of long-term scenes. The construction of this graph exploits the recent Qualitative Constraint Acquisition paradigm. Our experimental results on NuScenes, an open real-world multi-modal dataset, show that the qualitative eXplainable graph of an AD scene composed of 40 frames can be computed in real-time and light in space storage which makes it a potentially interesting tool for improved and more trustworthy perception and control processes in AD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google