Chat2Scenario: Scenario Extraction From Dataset Through Utilization of Large Language Model

要約

大規模言語モデル (LLM) の出現により、自動運転システム (ADS) を検証するための新しい洞察が得られます。
ここで紹介する研究では、自然主義的な運転データセットからシナリオを抽出する新しいアプローチが紹介されています。
Chat2Scenario と呼ばれるフレームワークは、LLM の高度な自然言語処理 (NLP) 機能を活用して、さまざまな運転シナリオを理解して識別することが提案されています。
運転状況の説明テキストを入力し、危険度メトリックのしきい値を指定することで、フレームワークは目的のシナリオを効率的に検索し、ASAM OpenSCENARIO および IPG CarMaker テキスト ファイルに変換します。
この方法論により、シナリオ抽出プロセスが合理化され、効率が向上します。
アプローチの効率を検証するためにシミュレーションが実行されます。
このフレームワークはユーザーフレンドリーな Web アプリに基づいて表示され、リンク https://github.com/ftgTUGraz/Chat2Scenario からアクセスできます。

要約(オリジナル)

The advent of Large Language Models (LLM) provides new insights to validate Automated Driving Systems (ADS). In the herein-introduced work, a novel approach to extracting scenarios from naturalistic driving datasets is presented. A framework called Chat2Scenario is proposed leveraging the advanced Natural Language Processing (NLP) capabilities of LLM to understand and identify different driving scenarios. By inputting descriptive texts of driving conditions and specifying the criticality metric thresholds, the framework efficiently searches for desired scenarios and converts them into ASAM OpenSCENARIO and IPG CarMaker text files. This methodology streamlines the scenario extraction process and enhances efficiency. Simulations are executed to validate the efficiency of the approach. The framework is presented based on a user-friendly web app and is accessible via the following link: https://github.com/ftgTUGraz/Chat2Scenario.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google