The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition

要約

自動運転の分野では、車両を安全に配備するには、物流外の状況下での堅牢な認識が最も重要です。
悪天候、センサーの故障、環境の予測不可能性などの課題は、自律システムのパフォーマンスに重大な影響を与える可能性があります。
2024 RoboDrive Challenge は、こうした現実世界の変動に耐え、適応できる運転認識テクノロジーの開発を推進するために作成されました。
このコンペティションは、BEV 検出、マップ セグメンテーション、セマンティック占有予測、マルチビュー深度推定という 4 つの極めて重要なタスクに焦点を当て、典型的および非典型的な外乱に対するシステムの回復力を革新し、強化するという難題を課しました。
今年のチャレンジは 5 つの異なるトラックで構成され、11 か国の 93 機関から 140 の登録チームが集まり、その結果、1,000 近くの提出物がサーバーを通じて評価されました。
このコンテストは、高度なデータ拡張、マルチセンサー融合、誤り訂正のための自己教師あり学習、センサーの堅牢性を高めるための新しいアルゴリズム戦略など、さまざまな革新的なアプローチを導入した 15 の最高パフォーマンスのソリューションで最高潮に達しました。
これらの貢献により、特にセンサーの不一致や環境変動への対応において、最先端技術が大幅に進歩しました。
参加者は協力的な取り組みを通じて現在のテクノロジーの限界を押し広げ、現実世界のシナリオでの可能性を実証しました。
広範な評価と分析により、これらのソリューションの有効性に関する洞察が得られ、運転認識システムの回復力を向上させるための主要な傾向と成功した戦略が明らかになりました。
この課題は、この分野に新たなベンチマークを設定し、この分野の将来の研究を導くと期待される技術の豊富なリポジトリを提供します。

要約(オリジナル)

In the realm of autonomous driving, robust perception under out-of-distribution conditions is paramount for the safe deployment of vehicles. Challenges such as adverse weather, sensor malfunctions, and environmental unpredictability can severely impact the performance of autonomous systems. The 2024 RoboDrive Challenge was crafted to propel the development of driving perception technologies that can withstand and adapt to these real-world variabilities. Focusing on four pivotal tasks — BEV detection, map segmentation, semantic occupancy prediction, and multi-view depth estimation — the competition laid down a gauntlet to innovate and enhance system resilience against typical and atypical disturbances. This year’s challenge consisted of five distinct tracks and attracted 140 registered teams from 93 institutes across 11 countries, resulting in nearly one thousand submissions evaluated through our servers. The competition culminated in 15 top-performing solutions, which introduced a range of innovative approaches including advanced data augmentation, multi-sensor fusion, self-supervised learning for error correction, and new algorithmic strategies to enhance sensor robustness. These contributions significantly advanced the state of the art, particularly in handling sensor inconsistencies and environmental variability. Participants, through collaborative efforts, pushed the boundaries of current technologies, showcasing their potential in real-world scenarios. Extensive evaluations and analyses provided insights into the effectiveness of these solutions, highlighting key trends and successful strategies for improving the resilience of driving perception systems. This challenge has set a new benchmark in the field, providing a rich repository of techniques expected to guide future research in this field.

arxiv情報

著者 Lingdong Kong,Shaoyuan Xie,Hanjiang Hu,Yaru Niu,Wei Tsang Ooi,Benoit R. Cottereau,Lai Xing Ng,Yuexin Ma,Wenwei Zhang,Liang Pan,Kai Chen,Ziwei Liu,Weichao Qiu,Wei Zhang,Xu Cao,Hao Lu,Ying-Cong Chen,Caixin Kang,Xinning Zhou,Chengyang Ying,Wentao Shang,Xingxing Wei,Yinpeng Dong,Bo Yang,Shengyin Jiang,Zeliang Ma,Dengyi Ji,Haiwen Li,Xingliang Huang,Yu Tian,Genghua Kou,Fan Jia,Yingfei Liu,Tiancai Wang,Ying Li,Xiaoshuai Hao,Yifan Yang,Hui Zhang,Mengchuan Wei,Yi Zhou,Haimei Zhao,Jing Zhang,Jinke Li,Xiao He,Xiaoqiang Cheng,Bingyang Zhang,Lirong Zhao,Dianlei Ding,Fangsheng Liu,Yixiang Yan,Hongming Wang,Nanfei Ye,Lun Luo,Yubo Tian,Yiwei Zuo,Zhe Cao,Yi Ren,Yunfan Li,Wenjie Liu,Xun Wu,Yifan Mao,Ming Li,Jian Liu,Jiayang Liu,Zihan Qin,Cunxi Chu,Jialei Xu,Wenbo Zhao,Junjun Jiang,Xianming Liu,Ziyan Wang,Chiwei Li,Shilong Li,Chendong Yuan,Songyue Yang,Wentao Liu,Peng Chen,Bin Zhou,Yubo Wang,Chi Zhang,Jianhang Sun,Hai Chen,Xiao Yang,Lizhong Wang,Dongyi Fu,Yongchun Lin,Huitong Yang,Haoang Li,Yadan Luo,Xianjing Cheng,Yong Xu
発行日 2024-05-14 17:59:57+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO パーマリンク