Chat2Scenario: 大規模言語モデルを活用したデータセットからのシナリオ抽出
Chat2Scenario: Scenario Extraction From Dataset Through Utilization of Large Language Model
自然言語で記述した走行条件と重要度しきい値を入力すると、LLMが自然走行データセットから該当シナリオを検索し、OpenSCENARIOやCarMaker形式に変換するフレームワークを提案。
著者: Yongqi Zhao, Wenbo Xiao, Tomislav Mihalj, Jia Hu, Arno Eichberger
分類: cs.RO
原文アブストラクト
The advent of Large Language Models (LLM) provides new insights to validate Automated Driving Systems (ADS). In the herein-introduced work, a novel approach to extracting scenarios from naturalistic driving datasets is presented. A framework called Chat2Scenario is proposed leveraging the advanced Natural Language Processing (NLP) capabilities of LLM to understand and identify different driving scenarios. By inputting descriptive texts of driving conditions and specifying the criticality metric thresholds, the framework efficiently searches for desired scenarios and converts them into ASAM OpenSCENARIO and IPG CarMaker text files. This methodology streamlines the scenario extraction process and enhances efficiency. Simulations are executed to validate the efficiency of the approach. The framework is presented based on a user-friendly web app and is accessible via the following link: https://github.com/ftgTUGraz/Chat2Scenario.
関連論文
- 自動運転のシナリオクラスから生成される具体シナリオの品質評価自動運転シナリオ生成
- KG-ASG: 衝突知識に基づく閉ループ敵対的シナリオ生成と主犯・支援車両の帰属自動運転シナリオ生成
- CounterScene: 生成ワールドモデルにおける反実仮想因果推論による安全重視のクローズドループ評価自動運転シナリオ生成
- マップ非依存かつ対話的な安全性臨界シナリオ生成:多目的木探索によるアプローチ自動運転シナリオ生成
- 実世界の衝突データに基づく自動運転向け安全臨界シナリオ生成自動運転シナリオ生成
- AGENTS-LLM: エージェント型LLMフレームワークによる難易度の高い交通シナリオの拡張生成自動運転シナリオ生成
