要約
生成 AI の時代において、神経記号 AI は、知覚から認知までにわたるタスクに対する強力なアプローチとして台頭しています。
Neurosymbolic AI を使用すると、グラウンディング、調整、説明可能性、信頼性の向上などの機能が強化されることが示されています。
ただし、初期段階にあるため、ニューロシンボリック AI タスクに合わせて調整された、広く利用可能な現実世界のベンチマーク データセットが不足しています。
このギャップに対処し、現在および将来の方法の評価をサポートするために、DSceneKG を導入します。DSceneKG は、複数のオープン自動運転データセットからの現実世界の高品質シーンから構築された、運転シーンのナレッジ グラフのスイートです。
この記事では、DSceneKG の構築プロセスを詳しく説明し、7 つの異なるタスクにおけるそのアプリケーションに焦点を当てます。
DSceneKG は、https://github.com/ruwantw/DSceneKG から一般にアクセスできます。
要約(オリジナル)
In the era of Generative AI, Neurosymbolic AI is emerging as a powerful approach for tasks spanning from perception to cognition. The use of Neurosymbolic AI has been shown to achieve enhanced capabilities, including improved grounding, alignment, explainability, and reliability. However, due to its nascent stage, there is a lack of widely available real-world benchmark datasets tailored to Neurosymbolic AI tasks. To address this gap and support the evaluation of current and future methods, we introduce DSceneKG — a suite of knowledge graphs of driving scenes built from real-world, high-quality scenes from multiple open autonomous driving datasets. In this article, we detail the construction process of DSceneKG and highlight its application in seven different tasks. DSceneKG is publicly accessible at: https://github.com/ruwantw/DSceneKG
arxiv情報
著者 | Ruwan Wickramarachchi,Cory Henson,Amit Sheth |
発行日 | 2024-11-05 16:15:33+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google