Dataset KITScenes: Escenarios Críticos de Conducción con Trazas de Razonamiento | Entrenamiento de IA para situaciones inusuales en carretera mediante lógica textual | Dataset de eventos raros para mejorar el razonamiento en vehículos autónomos

Abstract

PROBLEMA: Los sistemas de conducción autónoma actuales fallan en situaciones 'long-tail' (poco comunes) porque carecen de la capacidad de razonar sobre eventos inesperados. SOLUCIÓN: Presentan KITScenes LongTail, un nuevo dataset que no solo incluye video y sensores, sino que incorpora 'trazas de razonamiento' detalladas sobre por qué ciertas maniobras son necesarias. METODOLOGÍA: Recopilación de miles de escenarios críticos anotados por expertos humanos que describen el pensamiento causal detrás de cada acción evasiva o adaptativa. RESULTADOS: El benchmark muestra que los modelos que integran razonamiento textual logran una mejora del 22% en la predicción de colisiones en escenarios raros comparado con modelos puramente visuales. RELEVANCIA: Proporciona el combustible necesario para entrenar la próxima generación de modelos de mundo orientados a la seguridad vehicular y agentes con sentido común.