要約
CARLA のようなシミュレートされた環境での自動運転 (AD) システムの開発は、現実世界の自動車技術を進歩させるために不可欠です。
イノベーションを促進するために、CARLA は、以前のものよりもはるかに困難な Leaderboard 2.0 を導入しました。
しかし、現在の AD 手法では、十分なグラウンド トゥルース データが不足しているため、満足のいく結果を達成するのに苦労しています。
CARLA によって提供される人間の運転ログは不十分であり、データセットの収集に使用されていた Autopilot や Roach などの以前は成功していたエキスパート エージェントも、これらのより要求の厳しい条件下では効果が低下していることがわかりました。
これらのデータ制限を克服するために、特権情報を含む限られたヒューマン ログを活用するエキスパート エージェントである PRIBOOT を導入します。
私たちは、この新しいベンチマークの要求を満たすように特別に調整された新しい BEV 表現を開発し、マスクのセットを使用する代わりに、それを RGB 画像として処理して転移学習技術の適用を容易にしました。
さらに、長距離ルートにおける運転パフォーマンスのよりバランスのとれた評価を提供するように設計された新しい評価指標である違反率スコア (IRS) を提案します。
PRIBOOT は、Leaderboard 2.0 で 75% のルート完了 (RC) を達成し、ドライビング スコア (DS) と 20% と 45% の IRS を達成した最初のモデルです。
PRIBOOT を使用すると、研究者は広範なデータセットを生成できるようになり、このベンチマークの進歩を妨げていたデータの可用性の問題を解決できる可能性があります。
要約(オリジナル)
The development of Autonomous Driving (AD) systems in simulated environments like CARLA is crucial for advancing real-world automotive technologies. To drive innovation, CARLA introduced Leaderboard 2.0, significantly more challenging than its predecessor. However, current AD methods have struggled to achieve satisfactory outcomes due to a lack of sufficient ground truth data. Human driving logs provided by CARLA are insufficient, and previously successful expert agents like Autopilot and Roach, used for collecting datasets, have seen reduced effectiveness under these more demanding conditions. To overcome these data limitations, we introduce PRIBOOT, an expert agent that leverages limited human logs with privileged information. We have developed a novel BEV representation specifically tailored to meet the demands of this new benchmark and processed it as an RGB image to facilitate the application of transfer learning techniques, instead of using a set of masks. Additionally, we propose the Infraction Rate Score (IRS), a new evaluation metric designed to provide a more balanced assessment of driving performance over extended routes. PRIBOOT is the first model to achieve a Route Completion (RC) of 75% in Leaderboard 2.0, along with a Driving Score (DS) and IRS of 20% and 45%, respectively. With PRIBOOT, researchers can now generate extensive datasets, potentially solving the data availability issues that have hindered progress in this benchmark.
arxiv情報
| 著者 | Daniel Coelho,Miguel Oliveira,Vitor Santos,Antonio M. Lopez |
| 発行日 | 2024-06-12 17:05:08+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google