CleanMAP: Distilling Multimodal LLMs for Confidence-Driven Crowdsourced HD Map Updates

要約

インテリジェント接続車両（I​​CV）と統合された車両ロードクラウドシステムの急速な成長により、正確なリアルタイムHDマップの更新の需要が増加しました。
ただし、モーションブラー、照明の変動、悪天候、車線マークの分解に苦しむクラウドソーシングデータの矛盾のため、マップの信頼性が依然として困難なままです。
このホワイトペーパーでは、高自信HDマップの更新のためにクラウドソーシングデータをフィルタリングおよび改良するために設計されたマルチモーダル大手言語モデル（MLLM）ベースの蒸留フレームワークであるCleanMapを紹介します。
CleanMapは、主​​要な視覚パラメーターを体系的に定量化するMLLM駆動のレーン視認性スコアリングモデルを活用し、車線検出への影響に基づいて信頼スコア（0-10）を割り当てます。
新しい動的な区分的信頼装飾機能は、車線の視認性に基づいてスコアを適応させ、信頼できないデータを効果的にフィルタリングしながら、人間の評価との強い整合性を確保します。
マップの精度をさらに最適化するために、信頼駆動型のローカルマップ融合戦略がランク付けされ、最適な信頼範囲内でトップKの最高スコアのローカルマップを選択し、データの品質と数量のバランスをとることができます。
実世界の自動運転車データセットの実験的評価は、CleanMapの有効性を検証し、上位3つのローカルマップを融合することで0.28mの最低平均マップ更新誤差が達成され、ベースライン（0.37m）を上回り、厳しい精度のしきい値（<= 0.32m）を満たしていることを示しています。 実際の車両データを使用したさらなる検証により、人間の評価者と84.88％の整列が確認され、モデルの堅牢性と信頼性が強化されます。 この作業は、CleanMapをクラウドソーシングHDマップの更新用のスケーラブルで展開可能なソリューションとして確立し、より正確で信頼性の高い自律ナビゲーションを確保します。 コードはhttps://ankit-zefan.github.io/cleanmap/で入手できます

要約(オリジナル)

The rapid growth of intelligent connected vehicles (ICVs) and integrated vehicle-road-cloud systems has increased the demand for accurate, real-time HD map updates. However, ensuring map reliability remains challenging due to inconsistencies in crowdsourced data, which suffer from motion blur, lighting variations, adverse weather, and lane marking degradation. This paper introduces CleanMAP, a Multimodal Large Language Model (MLLM)-based distillation framework designed to filter and refine crowdsourced data for high-confidence HD map updates. CleanMAP leverages an MLLM-driven lane visibility scoring model that systematically quantifies key visual parameters, assigning confidence scores (0-10) based on their impact on lane detection. A novel dynamic piecewise confidence-scoring function adapts scores based on lane visibility, ensuring strong alignment with human evaluations while effectively filtering unreliable data. To further optimize map accuracy, a confidence-driven local map fusion strategy ranks and selects the top-k highest-scoring local maps within an optimal confidence range (best score minus 10%), striking a balance between data quality and quantity. Experimental evaluations on a real-world autonomous vehicle dataset validate CleanMAP’s effectiveness, demonstrating that fusing the top three local maps achieves the lowest mean map update error of 0.28m, outperforming the baseline (0.37m) and meeting stringent accuracy thresholds (<= 0.32m). Further validation with real-vehicle data confirms 84.88% alignment with human evaluators, reinforcing the model's robustness and reliability. This work establishes CleanMAP as a scalable and deployable solution for crowdsourced HD map updates, ensuring more precise and reliable autonomous navigation. The code will be available at https://Ankit-Zefan.github.io/CleanMap/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google