研究人员开发了AutoMine，一种使用大型语言模型（LLM）和视觉语言模型（VLM）从自动驾驶数据中提取关键场景的新方法。该方法提高了提示敏感性降低，并将轨迹函数与VLM功能集成，以管理感知噪声和视觉线索。AutoMine通过实际日志执行的反馈来优化生成的代码，在Argoverse 2场景挖掘竞赛中取得了强劲的表现。 AI
影响 该方法可以通过更好的数据驱动评估来提高自动驾驶系统的安全性和效率。
排序理由 该集群包含一篇详细介绍自动驾驶场景挖掘新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.11874v1 Announce Type: new Abstract: 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 AutoMin…
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-refining scenario mining method…