Traffic Scene Similarity: a Graph-based Contrastive Learning Approach

要約

高度に自動化された運転の検証を確実に行うことは、高度に自動化された車両の普及に大きな障害となります。
シナリオベースのテストは、これらのシステムに必要な認証作業を軽減することで潜在的な解決策を提供します。
ただし、まだ解決されていない重要な前提条件は、テスト空間を定義し、有限数のシナリオに縮小することです。
この課題に取り組むために、グラフを利用して意味のある埋め込み空間を構築する対比学習アプローチの拡張を提案します。
私たちのアプローチは、シーン固有の特徴を使用したシーンの連続マッピングと、結果として得られる埋め込みに基づいたテーマ的に類似したクラスターの形成を実証します。
見つかったクラスターに基づいて、後続のテスト プロセスで類似のシーンを特定でき、冗長なテスト実行の削減につながる可能性があります。

要約(オリジナル)

Ensuring validation for highly automated driving poses significant obstacles to the widespread adoption of highly automated vehicles. Scenario-based testing offers a potential solution by reducing the homologation effort required for these systems. However, a crucial prerequisite, yet unresolved, is the definition and reduction of the test space to a finite number of scenarios. To tackle this challenge, we propose an extension to a contrastive learning approach utilizing graphs to construct a meaningful embedding space. Our approach demonstrates the continuous mapping of scenes using scene-specific features and the formation of thematically similar clusters based on the resulting embeddings. Based on the found clusters, similar scenes could be identified in the subsequent test process, which can lead to a reduction in redundant test runs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google