doPlan数据集发布，专攻自动驾驶长跨度语言规划
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对现有自动驾驶语言数据集多关注短时交互的局限，doPlan数据集基于nuPlan构建，专注研究乘客自然语言作为持久任务上下文的作用。该数据集包含5154条人工编写的乘客指令，覆盖50.9小时独立驾驶与169.1小时指令对齐上下文，标注窗口跨度30.0至508.8秒，捕捉即时、延迟、事件条件、持久及多阶段意图。对四种语言条件驾驶模型的评估显示，模型对语言指令的敏感度未能可靠转化为符合要求方向的行为。在2161个匹配未来操作的样本中，首个关联操作在评估点后中位24.6秒才出现，仅9.8%在模型常见的5秒预测范围内，凸显将持久意图与连续规划决策相连的必要性。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载数据集构建与规模
为突破现有语言驾驶数据集局限于短时局部交互的瓶颈，doPlan基于nuPlan平台构建，是目前首个公开可用的人工标注真实世界数据集，专门研究乘客自然语言作为持久任务上下文的应用。该数据集收录了5154条由人工编写的乘客指令，覆盖了50.9小时的独立驾驶时长以及169.1小时的累计指令对齐上下文。其标注窗口的时间跨度极宽，从最短30.0秒一直延伸至508.8秒，能够全面捕捉即时、延迟、事件条件触发、持久以及多阶段等五种不同类型的乘客意图。
模型评估与核心发现
研究对四种语言条件驾驶模型进行了评估，发现模型对乘客语言的敏感度并不能可靠地转化为与请求方向一致的实际行为。更深入的量化分析显示，在2161个具有匹配未来操作的样本中，第一个相关操作在评估点之后的中位发生时间为24.6秒，而仅有9.8%的操作落在模型常见的5秒预测视野内。这一数据直观揭示了当前模型短时预测机制与乘客长跨度意图之间的严重错位，表明亟需建立持久乘客意图与连续规划决策之间的有效连接机制。
研究价值与适用场景
doPlan为研究未解决目标的保留、在动态场景中的落地以及跨多阶段追踪提供了标准测试环境。特别是针对规划器如何判断未来目标何时变为当前计划的相关部分这一核心问题，该数据集填补了长跨度语言条件规划研究的空白。数据集、标注界面及相关支持资源均已公开发布，供社区进一步探索如何将持久意图融入自动驾驶的连续决策过程。
为什么值得看
揭示当前模型5秒预测视野难以处理中位24.6秒延迟的乘客意图，为长跨度语言规划研究提供关键基准。
对齐数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。