用于自动驾驶日志时空标注的通用嵌入
计算机视觉与模式识别
2020-11-13 v1 机器学习
机器人学
摘要
在本文中，我们解决了从原始传感器数据对自动驾驶场景进行时空标注的问题。我们的方法为所有标签学习一个通用嵌入，从而能够高效标注许多属性，并以有限数据更快学习新属性。重要的是，该嵌入具有时空感知能力，使模型能够自然输出时空标签值。随后可对值进行任意区域上的池化，例如计算 SDV 前方的行人密度，或判断在四向交叉口一辆车是否挡住另一辆车。我们在一个新的大规模自动驾驶数据集 SDVScenes 上展示了方法的有效性，该数据集包含与车辆和行人密度、每个参与者的动作、每个参与者的速度、参与者间交互以及道路地图拓扑相关的 15 个属性。
引用
@article{arxiv.2011.06165,
title = {Universal Embeddings for Spatio-Temporal Tagging of Self-Driving Logs},
author = {Sean Segal and Eric Kee and Wenjie Luo and Abbas Sadat and Ersin Yumer and Raquel Urtasun},
journal= {arXiv preprint arXiv:2011.06165},
year = {2020}
}
备注
CoRL 2020 (Oral)