Enhancing End-to-End Autonomous Driving Systems Through Synchronized Human Behavior Data

要約

この論文では、システムのパフォーマンスを向上させるために自動運転領域内で人間によるきめ細かい監視を統合する先駆的な研究について説明します。
エンドツーエンドの自動運転における現在の進歩は通常、データ主導型であり、所定の専門家の試験に依存しています。
ただし、この依存性により、システムの汎用性と人間の信頼を獲得する能力が制限されます。
このギャップに対処するために、私たちの研究では、同一の運転シナリオの下で人間と機械のドライバーからデータを同期的に収集するという新しいアプローチを導入し、機械の知覚と意思決定のプロセスを導くための視線追跡と脳波データに焦点を当てています。
この論文では、Carla シミュレーションを利用して、人間の行動誘導がもたらす影響を評価します。
実験結果によると、人間の注意を利用して機械の注意を誘導すると、運転パフォーマンスが大幅に向上する可能性があります。
しかし、人間の意図による誘導には依然として課題が残されています。
この論文は、人間の行動ガイダンスを利用して自律システムを強化するための有望な方向性と可能性を先駆的に示しています。

要約(オリジナル)

This paper presents a pioneering exploration into the integration of fine-grained human supervision within the autonomous driving domain to enhance system performance. The current advances in End-to-End autonomous driving normally are data-driven and rely on given expert trials. However, this reliance limits the systems’ generalizability and their ability to earn human trust. Addressing this gap, our research introduces a novel approach by synchronously collecting data from human and machine drivers under identical driving scenarios, focusing on eye-tracking and brainwave data to guide machine perception and decision-making processes. This paper utilizes the Carla simulation to evaluate the impact brought by human behavior guidance. Experimental results show that using human attention to guide machine attention could bring a significant improvement in driving performance. However, guidance by human intention still remains a challenge. This paper pioneers a promising direction and potential for utilizing human behavior guidance to enhance autonomous systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google