面向自动驾驶自动解说文本解释的研究
计算与语言
2023-04-18 v1 人工智能
人机交互
机器学习
机器人学
摘要
为基于深度学习的车辆控制器预测提供自然语言解释至关重要，因其增强了透明性与易审计性。本工作中，一个最先进的（SOTA）预测与解释模型在新 Sense--Assess--eXplain（SAX）上被彻底评估与验证（作为基准）。此外，我们开发了一种新的解释器模型，相较基线架构有两方面改进：(i) 词性预测的集成与 (ii) 特殊 token 惩罚的引入。在 BLEU 指标上，我们的解释生成技术应用于 BDD-X 数据集时以 7.7 倍优于 SOTA。描述生成技术亦提升 1.3 倍。因此，我们的工作有助于实现未来可解释的自动驾驶汽车。
引用
@article{arxiv.2304.08178,
title = {Textual Explanations for Automated Commentary Driving},
author = {Marc Alexander Kühn and Daniel Omeiza and Lars Kunze},
journal= {arXiv preprint arXiv:2304.08178},
year = {2023}
}
备注
Accepted to IV 2023