Otonom sürüş teknolojisinin temel bileşenlerinden biri olan kuşbakışı görüş (Bird's Eye View - BEV) segmentasyon modellerinin gerçek dünya koşullarındaki performansını değerlendiren yeni bir araştırma, bu alandaki önemli bir soruna dikkat çekiyor.
Araştırmacılar, mevcut çalışmaların çoğunlukla nuScenes gibi tek bir veri seti kullanılarak yapıldığını ve bunun 'domain shift' olarak adlandırılan bir soruna yol açtığını tespit etti. Bu durum, modellerin eğitildiği ortamdan farklı koşullarda beklenenden düşük performans göstermesine neden oluyor.
Çalışmada, güncel BEV segmentasyon modellerinin farklı eğitim ve test veri setlerinde nasıl performans gösterdiği kapsamlı bir şekilde analiz edildi. Özellikle kamera ve LiDAR gibi farklı sensör kombinasyonlarının modellerin genelleme yeteneği üzerindeki etkileri incelendi.
En dikkat çekici bulgu, çoklu veri seti kullanılarak yapılan eğitimlerin tek veri seti eğitimlerine kıyasla belirgin şekilde daha iyi sonuçlar vermesi oldu. Bu sonuç, otonom araçların farklı şehir, iklim ve trafik koşullarında güvenli bir şekilde çalışabilmesi için eğitim süreçlerinde çeşitliliğin kritik önemini ortaya koyuyor.