要約
自動運転システムへの関心の高まりにより、さまざまなシナリオにおける人間の運転行動を詳細に分析する必要性が浮き彫りになっています。
人間のデータを分析することは、安全な運転慣行を再現し、人間が支配する環境へのシームレスな統合を保証する自律システムを開発するために不可欠です。
この論文では、Argoverse 2、nuPlan、Lyft、DeepUrban を含む複数の軌道予測データセットにわたる人間の交通ルールと安全ルールの遵守状況を比較評価します。
衝突までの時間、制限速度の順守、他の交通参加者とのやり取りなど、既存の安全性と行動関連の指標を定義して活用することで、各データセットの長所と限界を包括的に理解できるようにすることを目指しています。
私たちの分析は、データ サンプルの分布に焦点を当て、トレーニング セットと検証セットの両方で人間のドライバーが示すノイズ、外れ値、および望ましくない行動を特定します。
この結果は、高レベルのノイズやそのような望ましくない動作の存在により、特定のデータセットに堅牢なフィルタリング技術を適用する必要性を強調しています。
要約(オリジナル)
The increasing interest in autonomous driving systems has highlighted the need for an in-depth analysis of human driving behavior in diverse scenarios. Analyzing human data is crucial for developing autonomous systems that replicate safe driving practices and ensure seamless integration into human-dominated environments. This paper presents a comparative evaluation of human compliance with traffic and safety rules across multiple trajectory prediction datasets, including Argoverse 2, nuPlan, Lyft, and DeepUrban. By defining and leveraging existing safety and behavior-related metrics, such as time to collision, adherence to speed limits, and interactions with other traffic participants, we aim to provide a comprehensive understanding of each datasets strengths and limitations. Our analysis focuses on the distribution of data samples, identifying noise, outliers, and undesirable behaviors exhibited by human drivers in both the training and validation sets. The results underscore the need for applying robust filtering techniques to certain datasets due to high levels of noise and the presence of such undesirable behaviors.
arxiv情報
著者 | Michael Kurenkov,Sajad Marvi,Julian Schmidt,Christoph B. Rist,Alessandro Canevaro,Hang Yu,Julian Jordan,Georg Schildbach,Abhinav Valada |
発行日 | 2024-11-04 09:21:00+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google