I modelli GRU, LSTM e Transformer raggiungono un'elevata precisione nella classificazione dei sistemi di guida automatizzata
Uno studio recente su arXiv esamina l'efficacia di tre modelli di machine learning—Gated Recurrent Units (GRU), Long Short-Term Memory (LSTM) e encoder Transformer—nella classificazione dei sistemi di guida automatizzata di Livello 2 utilizzando dati telematici. L'analisi include tre piattaforme commerciali: Openpilot di Comma.ai, Tesla Autopilot e Cadillac Super Cruise, oltre alla guida manuale per confronto. I modelli hanno dimostrato prestazioni impressionanti con punteggi F1 macro di 0,92 per GRU, 0,90 per LSTM e 0,93 per il Transformer. Questa ricerca evidenzia la necessità critica di una supervisione indipendente nel campo in rapida evoluzione delle tecnologie di guida automatizzata per garantire la sicurezza.
Fatti principali
- L'articolo valuta i modelli encoder GRU, LSTM e Transformer per classificare i sistemi di guida automatizzata.
- I sistemi classificati sono Comma Openpilot, Tesla Autopilot, Cadillac Super Cruise e guida manuale.
- Punteggi F1 macro su dati puliti: 0,92 (GRU), 0,90 (LSTM), 0,93 (modello encoder Transformer).
- Lo studio utilizza esclusivamente dati telematici del veicolo per la classificazione.
- La ricerca è motivata dalla necessità di monitoraggio indipendente degli ADS per sicurezza, conformità, assicurazione e rilevamento di anomalie.
- L'articolo è disponibile su arXiv con ID 2607.28665.
- Il tipo di annuncio è cross.
- I futuri veicoli definiti dal software (SDV) potrebbero eseguire più ADS, sia nativi che aftermarket.
Entità
Istituzioni
- arXiv
- Comma.ai
- Tesla
- Cadillac