Towards Knowledge-driven Autonomous Driving

要約

この論文では、新たな知識主導型自動運転技術について考察します。
私たちの調査では、現在の自動運転システムの限界、特にデータバイアスに対する敏感さ、ロングテールシナリオの処理の難しさ、解釈可能性の欠如が浮き彫りになっています。
逆に、認知、一般化、生涯学習の能力を備えた知識主導型の方法が、これらの課題を克服する有望な方法として浮上しています。
このペーパーでは、知識主導型自動運転の本質を掘り下げ、その中核となるコンポーネントであるデータセットとベンチマーク、環境、ドライバー エージェントを検討します。
大規模な言語モデル、ワールド モデル、ニューラル レンダリング、その他の高度な人工知能技術を活用することで、これらのコンポーネントは集合的に、より総合的で適応性のあるインテリジェントな自動運転システムに貢献します。
この論文は、この分野におけるこれまでの研究活動を体系的に整理してレビューし、将来の自動運転の研究と実用化のための洞察と指針を提供します。
私たちは、知識主導型自動運転における最先端の開発に関する最新情報と、関連する貴重なオープンソース リソースを次の場所で継続的に共有します。\url{https://github.com/PJLab-ADG/awesome-knowledge-driven-
広告}。

要約(オリジナル)

This paper explores the emerging knowledge-driven autonomous driving technologies. Our investigation highlights the limitations of current autonomous driving systems, in particular their sensitivity to data bias, difficulty in handling long-tail scenarios, and lack of interpretability. Conversely, knowledge-driven methods with the abilities of cognition, generalization and life-long learning emerge as a promising way to overcome these challenges. This paper delves into the essence of knowledge-driven autonomous driving and examines its core components: dataset \& benchmark, environment, and driver agent. By leveraging large language models, world models, neural rendering, and other advanced artificial intelligence techniques, these components collectively contribute to a more holistic, adaptive, and intelligent autonomous driving system. The paper systematically organizes and reviews previous research efforts in this area, and provides insights and guidance for future research and practical applications of autonomous driving. We will continually share the latest updates on cutting-edge developments in knowledge-driven autonomous driving along with the relevant valuable open-source resources at: \url{https://github.com/PJLab-ADG/awesome-knowledge-driven-AD}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google