基于风险的Waymo开放运动数据集中有价值驾驶情景的过滤
机器人学
2025-07-01 v1
摘要
改进自动驾驶软件需要富有丰富路用户交互的驾驶数据。本文提出了一种基于风险的过滤方法，用于从大型数据集中识别此类有价值驾驶情景。具体而言，我们使用概率性风险模型检测高风险情景。我们的方法的独特之处在于：a)考虑一阶情景（其中一辆车直接影响另一辆车并引发风险）和b)考虑二阶情景（其中影响通过中间车辆传递）。在实验中，我们展示了该方法有效选择了Waymo开放运动数据集中的有价值驾驶情景。相较于卡尔曼难度和轌迹预测（TTP）等两个基准交互指标，我们的过滤方法识别了复杂且互补的情景，丰富了自动驾驶测试的质量。风险数据已公开源：https://github.com/HRI-EU/RiskBasedFiltering
关键词
引用
@article{arxiv.2506.23433,
title = {Risk-Based Filtering of Valuable Driving Situations in the Waymo Open Motion Dataset},
author = {Tim Puphal and Vipul Ramtekkar and Kenji Nishimiya},
journal= {arXiv preprint arXiv:2506.23433},
year = {2025}
}