要約
自動運転において高レベルの安全性と信頼性を達成することは、特にスタンドアロンシステムにおけるオクルージョンと限られた知覚範囲のため、依然として重要な課題です。
車両間の協力的な認識は有望な解決策を提供しますが、既存の研究はエージェントの数が限られているデータセットによって妨げられています。
協力するエージェントの数を増やすことは簡単ではなく、これまでの研究では対処されていなかった重大な計算上および技術的なハードルが生じます。
このギャップを埋めるために、私たちは、CARLA シミュレーターを使用して生成されたデータセットである多数の関与エージェントを備えたワイヤレス強化自動運転車 (WHALES) を紹介します。このデータセットは、運転シーケンスあたり前例のない平均 8.4 人のエージェントを特徴とします。
自動運転データセットの中で最大数のエージェントと視点を提供することに加えて、WHALES はエージェントの行動を記録し、複数のタスクにわたる連携を可能にします。
この拡張により、協力的な知覚における新しいサポートタスクが可能になります。
デモンストレーションとして、自我エージェントが協力する複数の候補エージェントの中から 1 つを選択し、自動運転における知覚ゲインを最適化するエージェント スケジューリング タスクに関する実験を行います。
WHALES データセットとコードベースは、https://github.com/chensiweiTHU/WHALES にあります。
要約(オリジナル)
Achieving high levels of safety and reliability in autonomous driving remains a critical challenge, especially due to occlusion and limited perception ranges in standalone systems. Cooperative perception among vehicles offers a promising solution, but existing research is hindered by datasets with a limited number of agents. Scaling up the number of cooperating agents is non-trivial and introduces significant computational and technical hurdles that have not been addressed in previous works. To bridge this gap, we present Wireless enHanced Autonomous vehicles with Large number of Engaged agentS (WHALES), a dataset generated using CARLA simulator that features an unprecedented average of 8.4 agents per driving sequence. In addition to providing the largest number of agents and viewpoints among autonomous driving datasets, WHALES records agent behaviors, enabling cooperation across multiple tasks. This expansion allows for new supporting tasks in cooperative perception. As a demonstration, we conduct experiments on agent scheduling task, where the ego agent selects one of multiple candidate agents to cooperate with, optimizing perception gains in autonomous driving. The WHALES dataset and codebase can be found at https://github.com/chensiweiTHU/WHALES.
arxiv情報
| 著者 | Siwei Chen,Yinsong,Wang,Ziyi Song,Sheng Zhou |
| 発行日 | 2024-11-20 14:12:34+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google