RiskBench: A Scenario-based Benchmark for Risk Identification

要約

インテリジェント運転システムは衝突ゼロのモビリティ体験を実現することを目指しており、安全性能を向上させるには学際的な取り組みが必要です。
この作業は、リスクの特定、つまり動的なトラフィック参加者や予期せぬイベントから生じるリスクを特定および分析するプロセスに焦点を当てています。
コミュニティでは大幅な進歩が見られましたが、さまざまなリスク識別アルゴリズムの現在の評価では独立したデータセットが使用されているため、直接比較することが困難であり、安全性能の向上に向けた集団的な進歩が妨げられています。
この制限に対処するために、リスク特定のための大規模なシナリオベースのベンチマークである \textbf{RiskBench} を導入します。
さまざまなシナリオの下でグラウンド トゥルース リスクを体系的に収集できるように、シナリオ分類と拡張パイプラインを設計します。
私たちは、(1) リスクの検出と特定、(2) リスクの予測、(3) 意思決定の促進に関する 10 個のアルゴリズムの能力を評価します。
私たちは広範な実験を実施し、リスク特定に関する将来の研究をまとめます。
私たちは、衝突ゼロ社会の実現に向けた協働の取り組みを推進していきます。
データセットとベンチマーク ツールキットをプロジェクト ページで公開しました: https://hcis-lab.github.io/RiskBench/

要約(オリジナル)

Intelligent driving systems aim to achieve a zero-collision mobility experience, requiring interdisciplinary efforts to enhance safety performance. This work focuses on risk identification, the process of identifying and analyzing risks stemming from dynamic traffic participants and unexpected events. While significant advances have been made in the community, the current evaluation of different risk identification algorithms uses independent datasets, leading to difficulty in direct comparison and hindering collective progress toward safety performance enhancement. To address this limitation, we introduce \textbf{RiskBench}, a large-scale scenario-based benchmark for risk identification. We design a scenario taxonomy and augmentation pipeline to enable a systematic collection of ground truth risks under diverse scenarios. We assess the ability of ten algorithms to (1) detect and locate risks, (2) anticipate risks, and (3) facilitate decision-making. We conduct extensive experiments and summarize future research on risk identification. Our aim is to encourage collaborative endeavors in achieving a society with zero collisions. We have made our dataset and benchmark toolkit publicly on the project page: https://hcis-lab.github.io/RiskBench/

arxiv情報

著者 Chi-Hsi Kung,Chieh-Chi Yang,Pang-Yuan Pao,Shu-Wei Lu,Pin-Lun Chen,Hsin-Cheng Lu,Yi-Ting Chen
発行日 2023-12-04 06:21:22+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, cs.RO パーマリンク