المفاهيم الأساسية
大規模言語モデルの高度な自然言語処理機能を活用し、自然言語で記述されたドライビングシナリオを効率的に抽出し、シミュレーション用のフォーマットに変換するフレームワークを提案する。
الملخص
本研究では、Chat2Scenario と呼ばれる新しいフレームワークを提案している。このフレームワークは、OpenAI の最新の大規模言語モデルを活用して、自然運転データセットからドライビングシナリオを抽出する。
具体的な手順は以下の通りである:
- ユーザーがデータセットをアップロードし、シナリオの説明文と重要度指標のしきい値を入力する。
- 大規模言語モデルがシナリオの説明文を解釈し、データセット内の該当するシナリオを特定する。
- 特定されたシナリオの重要度を分析し、しきい値を満たすものを選択する。
- 選択されたシナリオをOpenSCENARIOおよびIPG CarMakerのフォーマットに変換し、シミュレーション用のデータとして出力する。
このフレームワークには以下のような特徴がある:
- 大規模言語モデルの自然言語処理機能を活用し、シナリオ抽出の効率と対象範囲を向上させた
- シナリオの重要度指標を用いて、より重要なシナリオを抽出できるようにした
- ユーザーフレンドリーなWebアプリケーションとして実装し、実用性を高めた
本研究の成果は、自動運転システムの機能検証プロセスを簡素化し、効率化することが期待できる。
الإحصائيات
自動運転システムの信頼性を実証するには、数十億マイルの走行テストが必要とされている。
仮想環境でのシナリオベースのテストアプローチが提案されているが、リアルワールドのデータ収集と高精度シミュレーションプラットフォームが必要とされている。
既存のツールは、データソースの制限、抽出可能なシナリオの種類の限定、重要度評価の欠如、ユーザビリティの低さなどの課題がある。
اقتباسات
"The advent of Large Language Models (LLM) provides new insights to validate Automated Driving Systems (ADS)."
"To increase testing efficiency, a scenario-based method was proposed in project PEGASUS aiming to expose ADS in virtual driving environments derived from the real world."
"The framework is presented based on a user-friendly web app and is accessible via the following link: https://github.com/ftgTUGraz/Chat2Scenario."