弥合自动驾驶中合成数据与真实世界数据之间的领域鸿沟
机器人学
2023-06-06 v1
摘要
现代自主系统需要广泛的测试以确保可靠性并建立对地面车辆的信任。然而，由于在真实世界中进行测试面临挑战，缺乏大规模且多样化的数据集，尤其是在边缘案例中。因此，仿真对于其开发与评估是必要的。然而，现有的开源仿真器往往在合成域与真实世界域之间存在显著鸿沟，导致使用仿真数据时机动性能下降且平台可靠性降低。为解决此问题，我们的范围化自动驾驶车辆仿真（SAVeS）平台对自主地面车辆测试在合成域与真实世界域之间的仿真环境性能进行基准测试。我们的平台旨在量化领域鸿沟，并使研究人员能够在受控环境中开发与测试自主系统。此外，我们提出使用领域自适应技术，通过我们的 SAVeS 扩展来解决合成数据与真实世界数据之间的领域鸿沟。我们的结果表明，SAVeS 能有效帮助缩小合成域与真实世界域之间的鸿沟，并且使用处理后的合成数据集训练的模型与在相同规模真实世界数据集上训练的模型性能相当。本文重点介绍了我们为量化并解决自主仿真中合成数据与真实世界数据之间领域鸿沟所做的努力。通过使研究人员能够在受控环境中开发与测试自主系统，我们希望使自主仿真向实现更近一步。
引用
@article{arxiv.2306.02631,
title = {Bridging the Domain Gap between Synthetic and Real-World Data for Autonomous Driving},
author = {Xiangyu Bai and Yedi Luo and Le Jiang and Aniket Gupta and Pushyami Kaveti and Hanumant Singh and Sarah Ostadabbas},
journal= {arXiv preprint arXiv:2306.02631},
year = {2023}
}