基于车辆CAN数据的无监督驾驶事件发现
机器学习
2023-01-13 v1 机器人学
摘要
当考虑车辆队列时，从车辆控制器局域网（CAN）收集的数据可能迅速超出人类分析或标注的能力，这凸显了无监督机器学习方法的重要性。本工作提出了一种针对车辆CAN数据的同步聚类与分割方法，以无监督方式识别常见驾驶事件。该方法基于多元时间序列的自监督学习（SSL），在所学的潜在空间中区分不同驾驶事件。我们使用真实特斯拉Model 3车辆的CAN数据集以及一段我们标注了不同驾驶事件的两小时驾驶会话，对所提方法进行了评估。通过我们的方法，我们评估了近期时间序列相关的对比式和生成式SSL技术在学习区分驾驶事件的表示方面的适用性。与用于驾驶事件发现的最先进（SOTA）生成式SSL方法相比，我们发现对比学习方法达到了相似的性能。
引用
@article{arxiv.2301.04988,
title = {Unsupervised Driving Event Discovery Based on Vehicle CAN-data},
author = {Thomas Kreutz and Ousama Esbel and Max Mühlhäuser and Alejandro Sanchez Guinea},
journal= {arXiv preprint arXiv:2301.04988},
year = {2023}
}
备注
Preprint, paper has been accepted to ITSC2022