【阿里巴巴和西安交通大学】按规则驾驶：将交通标志法规集成到矢量化高精地图的基准

主要观点总结

本文介绍了按规则驾驶的概念，并引入了MapDR数据集，该数据集旨在从交通标志中提取驾驶规则并将其与矢量化高精地图相关联。文章主要解决了将交通标志法规集成到矢量化高精地图中的任务，填补了当前数据集在这一方面的空缺。文章定义了从交通标志中提取规则和规则-车道对应关系推理两个关键子任务，并基于这些提出了多模态解决方案。文章还介绍了MapDR数据集的具体内容，包括10000多个视频片段和超过18000条车道级规则。此外，本文还提出了视觉语言编码器和地图元素编码器，为未来研究提供了有效的基线。

关键观点总结

关键观点1: 文章主题和主要贡献

文章主要介绍了按规则驾驶的概念，并首次引入了从交通标志中提取车道级规则并将其集成到矢量化高精地图的任务。提供了MapDR数据集和对这项任务的基准测试指标。

关键观点2: MapDR数据集的特点

MapDR包含大量图像、视频片段和车道级规则，所有标注均经过仔细验证。数据集涵盖了三个中国城市的代表性图像，并且包含至少18000条车道级规则。

关键观点3: 解决方案的组成部分

文章提出了视觉语言编码器和地图元素编码器，这两个编码器用于从图像、文本和矢量数据中提取和交互特征，将车道级规则集成到矢量化高精地图中。

关键观点4: 文章的局限性

文章没有考虑动态元素（如交通信号灯）对驾驶规则的影响，而着重于车道级规则对驾驶的影响。未来计划结合动态元素以创建更综合的数据集。

文章预览

点击下方 卡片 ，关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ，即可获取 论文链接： https://arxiv.org/pdf/2410.23780 摘要 本文介绍了按规则驾驶：将交通标志法规集成到矢量化高精地图的基准。确保遵守交通标志法规对于人类和自动驾驶汽车导航而言是至关重要的。尽管当前的基准数据集着重于车道感知或者基本交通标志识别，但是它们往往忽略了将这些法规集成到车道操作的复杂任务。为了弥补这一差距，本文引入了MapDR，这是一种新的数据集，旨在从交通标志中提取驾驶规则并且将其与矢量化、局部感知的高精地图相关联。MapDR包含10000多个带标注的视频片段，获取了交通标志法规和车道之间的复杂关联。本文定义了两个关键的子任务：1）从交通标志中提取规则，这准确地辨认出法规指令；2）规则-车道对应关系推理，这将规则与各自的车道对齐 ………………………………