認識とローカライゼーション

実世界のログを構造化クエリと自然言語の両方を使用して検索して、ドライバーの介入などの問題を含め、ADASまたはADスタックに問題があった箇所を特定します。

ADASまたはADスタックのパフォーマンスを理解し、必要な調整をするために、特定された実世界のログを再シミュレーションします。

特定された問題に対処するために、認識モジュールを修正したり、古典的なセンサシミュレーションと生成的なセンサシミュレーションの両方で生成された合成データを使って機械学習（ML）モデルを再トレーニングします。センサーのシミュレーションを繰り返し実行し、目的に応じたテストケースの進捗を監視し、ロバスト性を確保するためにビヘイビア、天候、照明のバリエーションを利用します。

リグレッションを防ぐため、変更をマージしたり、新しいスタックバージョンをフィールドにデプロイする前に、シナリオテストセットを実行します。自然言語とパラメータベースのアプローチで新しいテストケースを生成し、ODD全体のカバレッジを拡張します。