针对迭代式错误纠正与空间感知提示的 Argoverse2 场景挖掘挑战技术报告
计算机视觉与模式识别
2025-06-16 v1 软件工程
摘要
从大规模自动驾驶数据集（如 Argoverse 2）中进行场景挖掘，是开发和验证自主驾驶系统的关键任务。RefAV 框架通过采用大语言模型（LLM）将自然语言查询翻译为可执行代码，以识别相关场景，显示出巨大的潜力。然而，该方法面临两个挑战：(1)源自LLM生成代码的运行时错误；(2)对描述复杂多对象空间关系的函数参数解释不准确。本技术报告介绍了两项关键改进：(1)容错的迭代代码生成机制，通过错误反馈重新提示LLM来完善代码；(2)针对空间关系函数的专业化提示工程。我们在 Argoverse 2 验证数据集上使用多种LLM（Qwen2.5-VL-7B、Gemini 2.5 Flash 和 Gemini 2.5 Pro）进行实验，结果在多个指标上均取得一致提升；最显著的是，使用 Gemini 2.5 Pro 时，本系统在官方测试集上实现了52.37的 HOTA-Temporal 分数。这些结果凸显了所提出技术在可靠、高精度场景挖掘中的有效性。
引用
@article{arxiv.2506.11124,
title = {Technical Report for Argoverse2 Scenario Mining Challenges on Iterative Error Correction and Spatially-Aware Prompting},
author = {Yifei Chen and Ross Greer},
journal= {arXiv preprint arXiv:2506.11124},
year = {2025}
}