自動運転データ管理2025/12/1arXiv:2512.19270

すべてのデータは必要か？軌道エントロピー最大化による大規模自動運転データセットの効率的なデータ刈り込み

Are All Data Necessary? Efficient Data Pruning for Large-scale Autonomous Driving Dataset via Trajectory Entropy Maximization

シェア:X Threads Facebook LINE はてブ Bluesky

自動運転データの軌道分布エントロピーを評価し、元データの統計的特性を保つ高価値サンプルを反復選択することで、モデル性能を維持しつつデータセットを最大40%削減する手法を提案。

詳しい要約

1. どんなもの？

- 大規模な自動運転用の自然走行データセットを対象に、学習に寄与しない反復的・低価値なサンプルを削減するデータ pruning 手法を提案した研究。 - 軌跡分布の情報エントロピー(trajectory entropy)を評価し、元データセットの統計的性質を保つ高価値サンプルを反復的に選択する。 - model-agnostic な枠組みで、保存コスト削減と policy learning の効率化を狙う。

2. 先行研究と比べてどこがすごい？

- 実世界の driving dataset には反復的・低価値なサンプルが多く、storage コスト増大と policy learning への利益限定が課題。 - 提案法は情報理論に基づき trajectory entropy を最大化するサンプル選択を行う点が特徴。 - 理論的に、pruned subset と元分布の Kullback-Leibler divergence を制約し generalization を保つことを示す。 - 具体的な先行研究との比較は要旨からは不明。

3. 技術・手法の肝は？

- 駆動データの trajectory distribution の情報エントロピーを評価。 - 元データセットの統計的特徴を保つ高価値サンプルを反復的に選択する pruning 手法。 - model-agnostic に適用可能。 - trajectory entropy 最大化が pruned subset と元分布間の Kullback-Leibler divergence を制約し、generalization 維持につながる理論的根拠を示す。

4. どうやって有効だと検証した？

- NuPlan benchmark 上で大規模 imitation learning framework を用いて実験。 - 提案法によりデータセットサイズを最大40%削減しつつ closed-loop performance を維持できることを示した。 - 具体的な比較手法や指標の詳細は要旨からは不明。

5. 議論はある？

- 理論的には trajectory entropy 最大化による Kullback-Leibler divergence 制約と generalization 維持を議論。 - 大規模データ管理と効率的な policy learning への lightweight かつ理論的根拠のあるアプローチと位置づけ。 - 限界や失敗ケース、他のデータセットへの一般化可能性についての議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として、data pruning、coreset selection、imitation learning における dataset distillation、NuPlan benchmark を用いた planner 研究、Kullback-Leibler divergence に基づく分布マッチング手法を次に読む候補として挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhaoyang Liu, Weitao Zhou, Junze Wen, Cheng Jing, Qian Cheng, Kun Jiang, Diange Yang

分類: cs.RO

原文アブストラクト

Collecting large-scale naturalistic driving data is essential for training robust autonomous driving planners. However, real-world datasets often contain a substantial amount of repetitive and low-value samples, which lead to excessive storage costs and bring limited benefits to policy learning. To address this issue, we propose an information-theoretic data pruning method that effectively reduces the training data volume without compromising model performance. Our approach evaluates the trajectory distribution information entropy of driving data and iteratively selects high-value samples that preserve the statistical characteristics of the original dataset in a model-agnostic manner. From a theoretical perspective, we show that maximizing trajectory entropy effectively constrains the Kullback-Leibler divergence between the pruned subset and the original data distribution, thereby maintaining generalization ability. Comprehensive experiments on the NuPlan benchmark with a large-scale imitation learning framework demonstrate that the proposed method can reduce the dataset size by up to 40% while maintaining closed-loop performance. This work provides a lightweight and theoretically grounded approach for scalable data management and efficient policy learning in autonomous driving systems.

arXivで原文を読む →arXiv概要ページ

← 論文一覧