预测自动驾驶汽车所接收指令在物理世界中的目的地
人工智能
2021-12-13 v1 计算与语言
计算机视觉与模式识别
人机交互
机器学习
摘要
近年来，我们在自动驾驶汽车的研发上取得了重大进展。多家公司正开始推出可在多种场景下工作的出色系统。这些系统有时给人以全自动驾驶近在咫尺、我们很快将造出连方向盘都没有的汽车的印象。赋予 AI 更高程度的自主性与控制权，为人车交互的新模式提供了契机。然而，调查显示，在自动驾驶中让 AI 掌握更多控制权会让乘客伴随一定程度的不安。为缓解此问题，近期工作采取了面向自然语言的方法，允许乘客给出指代视觉场景中特定物体的指令。但这仅是任务的一半，因为汽车还应理解该指令的物理目的地，而这正是本文的关注点。我们提出一项扩展，标注汽车执行给定指令后需抵达的 3D 目的地，并评估多种不同基线在预测该目的地位置上的表现。此外，我们引入一个在该特定设定下优于既有改进工作的模型。
引用
@article{arxiv.2112.05419,
title = {Predicting Physical World Destinations for Commands Given to Self-Driving Cars},
author = {Dusan Grujicic and Thierry Deruyttere and Marie-Francine Moens and Matthew Blaschko},
journal= {arXiv preprint arXiv:2112.05419},
year = {2021}
}
备注
Accepted at AAAI 2022. First two authors have contributed equally. Extended camera-ready version including the appendix and references to it in the main text