Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset and Consensus-Based Models

要約

特に人口密度の高い発展途上国における道路のかなりの部分には、明示的に定義された公道規則がありません。
これらの構造的な道路は、効率的で安全なナビゲーションが衝突回避のための分散型の人間の調整を理解することに依存している自律的な車両モーション計画に大きな課題をもたらします。
しばしば「ソーシャルドライビングエチケット」と呼ばれるこの調整は、限られたオープンソースの経験的データと適切なモデリングフレームワークのために、既知のままです。
この論文では、これらの構造的な環境でモーション計画を研究するために設計された新しいデータセットとモデリングフレームワークを紹介します。
データセットには、代表的なシナリオの20の空中ビデオ、車両検出モデルのトレーニング用の画像データセット、および車両の軌道推定用の開発キットが含まれています。
コンセンサスベースのモデリングアプローチは、データセットで観察された優先順位の出現を効果的に説明できるため、分散型衝突回避計画のための実行可能なフレームワークであることを実証します。

要約(オリジナル)

A significant portion of roads, particularly in densely populated developing countries, lacks explicitly defined right-of-way rules. These understructured roads pose substantial challenges for autonomous vehicle motion planning, where efficient and safe navigation relies on understanding decentralized human coordination for collision avoidance. This coordination, often termed ‘social driving etiquette,’ remains underexplored due to limited open-source empirical data and suitable modeling frameworks. In this paper, we present a novel dataset and modeling framework designed to study motion planning in these understructured environments. The dataset includes 20 aerial videos of representative scenarios, an image dataset for training vehicle detection models, and a development kit for vehicle trajectory estimation. We demonstrate that a consensus-based modeling approach can effectively explain the emergence of priority orders observed in our dataset, and is therefore a viable framework for decentralized collision avoidance planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google