自动驾驶中corner case的描述：目标与挑战
机器学习
2025-11-25 v4 机器人学
摘要
自动驾驶车辆的规模化部署需要处理各种意外且可能危险的状况，称为corner case（CC，极端情况）。由于自动驾驶系统的许多模块基于机器学习（ML），CC是其开发数据的重要组成部分。然而，大规模数据集中CC数据量有限，这使得它们在ML背景下具有挑战性。通过更好地理解CC，离线应用（如数据集分析）和在线方法（如提升自动驾驶系统性能）均可得到改进。尽管已有基于知识的CC描述和分类体系，但关于机器可解释描述的研究很少。在本扩展摘要中，我们将简要概述此类描述所面临的挑战与目标。
引用
@article{arxiv.2109.09607,
title = {Description of Corner Cases in Automated Driving: Goals and Challenges},
author = {Daniel Bogdoll and Jasmin Breitenstein and Florian Heidecker and Maarten Bieshaar and Bernhard Sick and Tim Fingscheidt and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2109.09607},
year = {2025}
}
备注
Daniel Bogdoll, Jasmin Breitenstein and Florian Heidecker contributed equally. Accepted for publication at ICCV 2021 ERCVAD Workshop