推論トレース付きロングテール運転シナリオ：KITScenes LongTailデータセット
LongTail Driving Scenarios with Reasoning Traces: The KITScenes LongTail Dataset
自動運転の稀なシナリオへの汎化を目的とし、マルチビュー動画、軌跡、指示、詳細な推論トレースを含むデータセットを構築し、VLMやVLAのベンチマークを提供した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Royden Wagner, Omer Sahin Tas, Jaime Villa, Felix Hauser, Yinzhe Shen, Marlon Steiner, Dominik Strutz, Carlos Fernandez, Christian Kinzig, Guillermo S. Guitierrez-Cabello, Hendrik Königshof, Fabian Immel, Richard Schwarzkopf, Nils Alexander Rack, Kevin Rösch, Kaiwen Wang, Jan-Hendrik Pauls, Martin Lauer, Igor Gilitschenski, Holger Caesar, Christoph Stiller
分類: cs.CV, cs.RO
原文アブストラクト
In real-world domains such as self-driving, generalization to rare scenarios remains a fundamental challenge. To address this, we introduce a new dataset designed for end-to-end driving that focuses on long-tail driving events. We provide multi-view video data, trajectories, high-level instructions, and detailed reasoning traces, facilitating in-context learning and few-shot generalization. The resulting benchmark for multimodal models, such as VLMs and VLAs, goes beyond safety and comfort metrics by evaluating instruction following and semantic coherence between model outputs. The multilingual reasoning traces in English, Spanish, and Chinese are from domain experts with diverse cultural backgrounds. Thus, our dataset is a unique resource for studying how different forms of reasoning affect driving competence. Our dataset is available at: https://hf.co/datasets/kit-mrt/kitscenes-longtail
関連論文
- OVPD: 実地自動運転チャレンジの仮想・物理融合テストデータセット自動運転/データセット
- 移行期自動運転車の車線変更データセットの導入：実証実験自動運転/データセット
- D2E: ドライバー状態と人間評価を含む自動運転意思決定データセット自動運転/データセット
- RSRD: 安全で快適な自動運転のための路面再構成データセットとベンチマーク自動運転/データセット
- K-Lane: 都市道路と高速道路向けLiDAR車線データセットとベンチマーク自動運転/データセット
- オックスフォード道路境界データセット自動運転/データセット
