도전2022
AV2 2026 시나리오 마이닝 챌린지를 위한 AutoMine 솔루션 본문
https://arxiv.org/abs/2606.11874
AutoMine Solution for AV2 2026 Scenario Mining Challenge
With the development of autonomous driving systems, mining high-value, safety-critical, and planning-relevant scenarios from large-scale driving logs has become essential for data-driven evaluation. In this paper, we propose AutoMine, a robust self-refinin
arxiv.org
AV2 2026 시나리오 마이닝 챌린지를 위한 AutoMine 솔루션
Songliang Cao , Jiele Zhao , Yuru Wang , Hao Li , Daqi Liu , Zehan Zhang , Fangzhen Li , Yu Wang , Yue Zhang , Bing Wang , Guang Chen , Hao Lu , Hangjun Ye
자율 주행 시스템의 발전과 함께 대규모 주행 로그에서 가치가 높고 안전에 중요하며 계획 수립에 유용한 시나리오를 추출하는 것은 데이터 기반 평가에 필수적입니다. 본 논문에서는 LLM(Long-Living Map)과 VLM(Visual Map)을 기반으로 하는 견고한 자체 정제 시나리오 마이닝 방법인 AutoMine을 제안합니다. AutoMine은 의미 보존 프롬프트 증강을 사용하여 LLM 프롬프트 민감도를 낮추고, 견고한 궤적 원자 함수와 VLM 기반 함수를 결합하여 인식 잡음과 개방형 환경의 시각적 단서를 처리하며, 실제 로그의 실행 피드백을 통해 생성된 코드를 정제합니다. AutoMine은 CVPR 2026의 Argoverse 2 시나리오 마이닝 대회에서 HOTA-Temporal 점수 36.38점, Timestamp BA 점수 77.21점을 달성했습니다.
| 댓글: | CVPR 2026 시나리오 마이닝 챌린지 (시간 트랙 우승자) |
| 주제: | 인공지능 (cs.AI) |
| 다음과 같이 인용하십시오: | arXiv:2606.11874 [cs.AI] |
| (또는 arXiv:2606.11874v1 [cs.AI] 에서 이 버전을 참조하십시오.) | |
| https://doi.org/10.48550/arXiv.2606.11874
더 자세히 알아보려면 집중하세요
|