Data-Centric Evolution in Autonomous Driving: A Comprehensive Survey of Big Data System, Data Mining, and Closed-Loop Technologies

要約

次世代の自動運転 (AD) テクノロジーの目標は、インテリジェントな認識、予測、計画、および低レベルの制御の間の専用の統合と相互作用に依存しています。
自動運転アルゴリズムの性能の上限に関しては大きなボトルネックが存在しており、ボトルネックを克服する鍵はデータ中心の自動運転技術にあるというのが学界と産業界のコンセンサスとなっている。
AD シミュレーション、閉ループ モデル トレーニング、AD ビッグ データ エンジンの最近の進歩により、貴重な経験が得られました。
しかし、AD アルゴリズムの自己進化とより優れた AD ビッグデータの蓄積のための効率的なデータ中心の AD テクノロジーを構築する方法に関する体系的な知識と深い理解が不足しています。
特定された研究のギャップを埋めるために、この記事では、マイルストーン世代、主要な機能、データによって特徴付けられる自動運転データセットの包括的な分類に重点を置き、最先端のデータ駆動型自動運転技術のレビューに重点を置きます。
さらに、クローズドループフレームワーク、主要テクノロジー、実証研究の手順を含め、産業フロンティアからの既存のベンチマーククローズドループADビッグデータパイプラインの体系的なレビューを提供します。
最後に、自動運転のさらなる開発を促進するための学界と産業界の両方の取り組みを呼び起こすために、将来の方向性、潜在的なアプリケーション、限界、懸念事項について議論します。

要約(オリジナル)

The aspiration of the next generation’s autonomous driving (AD) technology relies on the dedicated integration and interaction among intelligent perception, prediction, planning, and low-level control. There has been a huge bottleneck regarding the upper bound of autonomous driving algorithm performance, a consensus from academia and industry believes that the key to surmount the bottleneck lies in data-centric autonomous driving technology. Recent advancement in AD simulation, closed-loop model training, and AD big data engine have gained some valuable experience. However, there is a lack of systematic knowledge and deep understanding regarding how to build efficient data-centric AD technology for AD algorithm self-evolution and better AD big data accumulation. To fill in the identified research gaps, this article will closely focus on reviewing the state-of-the-art data-driven autonomous driving technologies, with an emphasis on the comprehensive taxonomy of autonomous driving datasets characterized by milestone generations, key features, data acquisition settings, etc. Furthermore, we provide a systematic review of the existing benchmark closed-loop AD big data pipelines from the industrial frontier, including the procedure of closed-loop frameworks, key technologies, and empirical studies. Finally, the future directions, potential applications, limitations and concerns are discussed to arouse efforts from both academia and industry for promoting the further development of autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google