AV2 2026 시나리오 마이닝 챌린지를 위한 AutoMine 솔루션

AutoMine Solution for AV2 2026 Scenario Mining Challenge

자율 주행 시스템의 발전과 함께, 대규모 운전 로그에서 고가치이며 안전에 중요하고 계획 수립에 관련된 시나리오를 추출하는 것은 데이터 기반 평가에 필수적입니다. 본 논문에서는 LLM(대규모 언어 모델) 및 VLM(시각적 언어 모델)을 기반으로 한 강력하고 자체 개선이 가능한 시나리오 마이닝 방법인 AutoMine을 제안합니다. AutoMine은 의미를 보존하는 프롬프트 증강을 사용하여 LLM 프롬프트의 민감도를 줄이고, 견고한 궤적 원자 함수와 VLM 기반 함수를 결합하여 인지 노이즈 및 개방형 시각 정보를 처리하며, 실제 로그로부터 얻은 실행 피드백을 통해 생성된 코드를 개선합니다. AutoMine은 CVPR 2026의 Argoverse 2 시나리오 마이닝 대회에서 HOTA-Temporal 점수 36.38점과 Timestamp BA 점수 77.21점을 달성했습니다.

With the development of autonomous driving systems, mining high-value, safety-critical, and planning-relevant scenarios from large-scale driving logs has become essential for data-driven evaluation. In this paper, we propose AutoMine, a robust self-refining scenario mining method based on LLMs and VLMs. AutoMine uses semantics-preserving prompt augmentation to reduce LLM prompt sensitivity, combines robust trajectory atomic functions with VLM-based functions to handle perception noise and open-world visual cues, and refines generated code through execution feedback from real logs. In the Argoverse 2 Scenario Mining Competition at CVPR 2026, AutoMine achieves a HOTA-Temporal score of 36.38 and a Timestamp BA score of 77.21.