Driverseat：面向自动驾驶的众包引导学习任务
人机交互
2015-12-08 v1 人工智能
机器人学
摘要
尽管新兴深度学习系统在许多任务中已超越基于知识的方法，但其在自主技术检测任务中的应用仍是科学探索的开放领域。广义上，存在两大发展瓶颈：缺乏全面标注的数据集和缺乏具表达力的评估策略。数据集标注方法依赖大量手工工程，而评估学习系统的策略未能识别失败案例场景。人类智能提供了突破这些瓶颈的未开发途径。本文介绍Driverseat，一种将人群嵌入自动驾驶学习系统的技术。Driverseat利用人群贡献来 (a) 收集复杂3D标签，以及 (b) 标记多样化场景以便随时评估学习系统。我们展示了Driverseat如何对卷积神经网络在车道检测任务上进行众包引导（crowdstrapping）。更一般地，众包引导（crowdstrapping）为任何可受益于人类与计算机智能强强联合的技术引入了宝贵范式。
引用
@article{arxiv.1512.01872,
title = {Driverseat: Crowdstrapping Learning Tasks for Autonomous Driving},
author = {Pranav Rajpurkar and Toki Migimatsu and Jeff Kiske and Royce Cheng-Yue and Sameep Tandon and Tao Wang and Andrew Ng},
journal= {arXiv preprint arXiv:1512.01872},
year = {2015}
}