S2R-Bench: Um Benchmark de Avaliação Sim-para-Real para Direção Autônoma

A segurança é uma busca antiga e final no desenvolvimento de sistemas de direção autônoma, com muitos desafios de segurança surgindo da percepção. Como avaliar efetivamente a segurança e a confiabilidade dos algoritmos de percepção está se tornando uma questão emergente. Apesar de sua importância crítica, os métodos de percepção existentes apresentam uma limitação em sua robustez, principalmente devido aos benchmarks serem inteiramente simulados, o que falha em alinhar os resultados previstos com os resultados reais, particularmente sob condições climáticas extremas e anomalias de sensores que são comuns em cenários do mundo real. Para preencher essa lacuna, neste estudo, propomos um Benchmark de Avaliação Sim-para-Real para direção autônoma (S2R-Bench). Coletamos dados diversos de anomalias de sensores em várias condições de estrada para avaliar a robustez dos métodos de percepção de forma abrangente e realista. Este é o primeiro conjunto de dados de robustez à corrupção baseado em cenários do mundo real, abrangendo várias condições de estrada, condições climáticas, intensidades de iluminação e períodos de tempo. Ao comparar dados do mundo real com dados simulados, demonstramos a confiabilidade dos dados coletados para uso no mundo real e buscamos promover pesquisas sobre modelos de percepção mais robustos para direção autônoma.