關(guān)閉

自動(dòng)駕駛場(chǎng)景中的長(cháng)尾問(wèn)題怎么解決?

發(fā)表于:2024-6-19 09:46

字體: | 上一篇 | 下一篇 | 我要投稿

 作者:小蔥蘸大醬    來(lái)源:自動(dòng)駕駛之心

  自動(dòng)駕駛長(cháng)尾問(wèn)題是指自動(dòng)駕駛汽車(chē)中的邊緣情況,即發(fā)生概率較低的可能場(chǎng)景。感知的長(cháng)尾問(wèn)題是當前限制單車(chē)智能自動(dòng)駕駛車(chē)輛運行設計域的主要原因之一。自動(dòng)駕駛的底層架構和大部分技術(shù)問(wèn)題已經(jīng)被解決,剩下的5%的長(cháng)尾問(wèn)題,逐漸成了制約自動(dòng)駕駛發(fā)展的關(guān)鍵。這些問(wèn)題包括各種零碎的場(chǎng)景、極端的情況和無(wú)法預測的人類(lèi)行為。
  自動(dòng)駕駛中的邊緣場(chǎng)景
  長(cháng)尾”是指自動(dòng)駕駛汽車(chē) (AV) 中的邊緣情況,邊緣情況是發(fā)生概率較低的可能場(chǎng)景。這些罕見(jiàn)的事件因為出現率較低且比較特殊,因此在數據集中經(jīng)常被遺漏。雖然人類(lèi)天生擅長(cháng)處理邊緣情況,但人工智能卻不是這樣?赡芤疬吘増(chǎng)景的因素有:帶有突起的卡車(chē)或者異形車(chē)輛、車(chē)輛急轉彎、在擁擠的人群中行駛、亂穿馬路的行人、極端天氣或極差光照條件、打傘的人,人在車(chē)后搬箱子、樹(shù)倒在路中央等等。
  例子:
  1. 放透明薄膜在車(chē)前,透明物體是否可以被識別,車(chē)輛是否會(huì )減速
  2. 激光雷達公司Aeye就做了一次挑戰,自動(dòng)駕駛如何處理一個(gè)漂浮在路中央的氣球。L4級無(wú)人駕駛汽車(chē)往往偏向避免碰撞,在這種情況下,它們會(huì )采取規避動(dòng)作或者踩剎車(chē),來(lái)避免不必要的事故。而氣球是個(gè)軟性的物體,可以直接無(wú)障礙的通過(guò)。
  解決長(cháng)尾問(wèn)題的方法
  合成數據是個(gè)大概念,而感知數據(nerf, camera/sensor sim)只是其中一個(gè)比較出圈的分支。在業(yè)界,合成數據在longtail behavior sim早已成為標準答案。合成數據,或者說(shuō)sparse signal upsampling是解決長(cháng)尾問(wèn)題的第一性解法之一。長(cháng)尾能力是模型泛化能力與數據內含信息量的乘積。
  特斯拉解決方案:
  用合成數據(synthetic data)生成邊緣場(chǎng)景來(lái)擴充數據集
  數據引擎的原理:首先,檢測現有模型中的不準確之處,隨后將此類(lèi)案例添加到其單元測試中。它還收集更多類(lèi)似案例的數據來(lái)重新訓練模型。這種迭代方法允許它捕獲盡可能多的邊緣情況。制作邊緣案例的主要挑戰是收集和標注邊緣情況的成本比較高,再一個(gè)就是收集行為有可能非常危險甚至無(wú)法實(shí)現。
  NVIDIA解決方案:
  NVIDIA 最近提出了一種名為“模仿訓練”的戰略方法(下圖)。在這種方法中,真實(shí)世界中的系統故障案例在模擬環(huán)境中被重現,然后將它們用作自動(dòng)駕駛汽車(chē)的訓練數據。重復此循環(huán),直到模型的性能收斂。
  以下真實(shí)場(chǎng)景中由于卡車(chē)高度過(guò)高(上)、車(chē)輛凸出部分遮擋后車(chē)(下)導致模型輸出時(shí)車(chē)框丟失,成為邊緣場(chǎng)景,過(guò)NVIDIA改進(jìn)后的模型可以在此邊緣情況下生成正確的邊界框:
  一些思考:
  Q:合成數據是否有價(jià)值?
  A: 這里的價(jià)值分為兩種 , 第一種是測試有效性, 即在生成的場(chǎng)景中測試 是否能發(fā)現探測算法中的一些不足, 第二種是訓練有效性, 即生成的場(chǎng)景用于算法的訓練是否也能夠有效提升性能。
  Q: 如何使用虛擬數據提升性能?虛擬數據真的有必要添加到訓練集中去嗎?添加進(jìn)去了是否會(huì )產(chǎn)生性能回退?
  A: 這些問(wèn)題都難以回答, 于是產(chǎn)生了很多不一樣的提高訓練精度的方案:
  ·混合訓練:在真實(shí)數據中添加不同比例的虛擬數據, 以求性能提升,
  · Transfer Learning:使用真實(shí)數據預訓練好的模型,然后Freeze 某些layer, 再添加混合數據進(jìn)行訓練。
  · Imitation Learning:針對性設計一些模型失誤的場(chǎng)景, 并由此產(chǎn)生一些數據,進(jìn)而逐步提升模型的性能, 這一點(diǎn)也是非常自然的。在實(shí)際的數據采集和模型訓練中, 也是針對性采集一些補充數據, 進(jìn)而提升性能。
  一些擴展:
  為了徹底評估 AI 系統的穩健性,單元測試必須包括一般情況和邊緣情況。然而,某些邊緣案例可能無(wú)法從現有的真實(shí)世界數據集中獲得。為此,人工智能從業(yè)者可以使用合成數據進(jìn)行測試。
  一個(gè)例子是ParallelEye-CS,這是一種用于測試自動(dòng)駕駛汽車(chē)視覺(jué)智能的合成數據集。與使用真實(shí)世界數據相比,創(chuàng )建合成數據的好處是可以對每個(gè)圖像的場(chǎng)景進(jìn)行多維度控制。
  合成數據將作為生產(chǎn) AV 模型中邊緣情況的可行解決方案。它用邊緣案例補充現實(shí)世界的數據集,確保 AV 即使在異常事件下也能保持穩健。它也比真實(shí)世界的數據更具可擴展性,更不容易出錯,并且更便宜。
  你是否對車(chē)載測試感興趣,想轉行車(chē)載測試卻無(wú)從下手呢?現在私聊恬恬圈/甜甜圈,或識別下方二維碼,添加天天圈,了解車(chē)載測試入門(mén)吧↓↓↓
  本文內容不用于商業(yè)目的,如涉及知識產(chǎn)權問(wèn)題,請權利人聯(lián)系51Testing小編(021-64471599-8017),我們將立即處理
《2024軟件測試行業(yè)從業(yè)人員調查問(wèn)卷》,您的見(jiàn)解,行業(yè)的聲音!

關(guān)注51Testing

聯(lián)系我們

快捷面板 站點(diǎn)地圖 聯(lián)系我們 廣告服務(wù) 關(guān)于我們 站長(cháng)統計 發(fā)展歷程

法律顧問(wèn):上海蘭迪律師事務(wù)所 項棋律師
版權所有 上海博為峰軟件技術(shù)股份有限公司 Copyright©51testing.com 2003-2024
投訴及意見(jiàn)反饋:webmaster@51testing.com; 業(yè)務(wù)聯(lián)系:service@51testing.com 021-64471599-8017

滬ICP備05003035號

滬公網(wǎng)安備 31010102002173號

久久无码人妻精品一区二_久久亚洲春色中文字幕_亚洲艳妇自拍视频_亚洲中文字幕乱码少妇饥渴