用于场景生成的上下文推理（技术报告）
人工智能
2023-05-04 v1 计算机科学中的逻辑
摘要
我们此前的工作提出了 MR-CKR 框架，用于在多关系层次结构中组织的上下文间进行带知识覆盖的推理。该推理通过带代数度量的 ASP 实现，允许灵活定义偏好。本文展示如何将我们的理论工作应用于真实的自动驾驶车辆场景数据。本工作的目标是将 MR-CKR 应用于自动驾驶车辆学习中的挑战性场景生成问题。实践中，大多数用于自动驾驶学习模型的场景数据描述常见情况，因此难以捕捉特定情况（例如横穿行人的部分遮挡）。MR-CKR 模型可利用此类数据的多维性（如时间和空间）进行数据组织。跨多上下文的推理能够结合不同场景本体对场景进行验证与配置。我们描述了一种基于 MR-CKR 与代数度量相结合的语义引导数据生成框架。该框架在一个概念验证原型中实现，举例说明了若干场景生成案例。
引用
@article{arxiv.2305.02255,
title = {Contextual Reasoning for Scene Generation (Technical Report)},
author = {Loris Bozzato and Thomas Eiter and Rafael Kiesel and Daria Stepanova},
journal= {arXiv preprint arXiv:2305.02255},
year = {2023}
}
备注
Technical Report for Humane-AI micro-project "Multi-Relational Contextual Reasoning for Complex Scene Generation for Autonomous Vehicle Data". 23 pages, 6 figures