ROAD-R：带有逻辑需求的自动驾驶数据集
机器学习
2023-06-21 v2 人工智能
计算机视觉与模式识别
机器人学
摘要
神经网络已被证明在计算机视觉任务上非常强大。然而，它们常表现出意想不到的行为，违反表达背景知识的已知需求。这要求模型（i）能够从需求中学习，且（ii）保证自身符合这些需求。不幸的是，此类模型的开发受限于缺乏配备形式化指定需求的数据集。在本文中，我们引入带有逻辑需求的道路事件感知数据集（ROAD-R），这是首个公开发布的、以逻辑约束形式表达需求的自动驾驶数据集。基于 ROAD-R，我们展示了当前 SOTA 模型常违反其逻辑约束，并且可以利用这些约束来创建（i）具有更好性能且（ii）保证符合需求本身的模型。
引用
@article{arxiv.2210.01597,
title = {ROAD-R: The Autonomous Driving Dataset with Logical Requirements},
author = {Eleonora Giunchiglia and Mihaela Cătălina Stoian and Salman Khan and Fabio Cuzzolin and Thomas Lukasiewicz},
journal= {arXiv preprint arXiv:2210.01597},
year = {2023}
}