面向自动驾驶场景解释的定性可解释图获取
人工智能
2023-08-25 v1 机器人学
摘要
自动驾驶（AD）的未来植根于开发稳健、公平且可解释的人工智能方法。 upon request，自动驾驶车辆必须能够向驾驶员与乘客、行人及其他弱势道路使用者解释其决策，并在事故发生时可能向外部审计者解释。然而现今大多数可解释方法仍依赖对多传感器捕获的 AD 场景表示的定量分析。本文提出一种名为定性可解释图（QXG）的 AD 场景新表示，专用于长期场景的定性时空推理。该图的构建利用了近期的定性约束获取范式。我们在开放真实世界多模态数据集 NuScenes 上的实验结果表明，由 40 帧组成的 AD 场景的定性可解释图可实时计算且存储空间占用小，这使其成为 AD 中改进且更可信的感知与控制过程的潜在有趣工具。
引用
@article{arxiv.2308.12755,
title = {Acquiring Qualitative Explainable Graphs for Automated Driving Scene Interpretation},
author = {Nassim Belmecheri and Arnaud Gotlieb and Nadjib Lazaar and Helge Spieker},
journal= {arXiv preprint arXiv:2308.12755},
year = {2023}
}