JaywalkerVR：用于收集安全关键型行人-车辆交互的VR系统
机器人学
2024-07-09 v1
摘要
开发能够安全地与行人交互的自动驾驶汽车需要大量的行人和车辆数据，以学习准确的行人-车辆交互模型。然而，收集包含关键但罕见场景（例如行人乱穿马路进入繁忙交通）的数据可能成本高昂且不安全。我们提出了一个虚拟现实人在环模拟器JaywalkerVR，以获取车辆-行人交互数据来应对这些挑战。我们的系统能够高效、经济且安全地收集长尾行人-车辆交互数据。使用我们提出的模拟器，我们创建了一个高质量的数据集，其中包含来自安全关键场景的车辆-行人交互数据，称为CARLA-VR。CARLA-VR数据集解决了常用真实世界自动驾驶数据集中长尾数据样本的缺乏问题。我们证明，使用CARLA-VR训练的模型将位移误差和碰撞率分别降低了10.7%和4.9%，并且在罕见的车辆-行人场景中更加鲁棒。
引用
@article{arxiv.2407.04843,
title = {JaywalkerVR: A VR System for Collecting Safety-Critical Pedestrian-Vehicle Interactions},
author = {Kenta Mukoya and Erica Weng and Rohan Choudhury and Kris Kitani},
journal= {arXiv preprint arXiv:2407.04843},
year = {2024}
}
备注
Published as a conference paper at the IEEE International Conference on Robotics and Automation (ICRA) 2024