Fugu-MT 論文翻訳(概要): Deep Neural Network Perception Models and Robust Autonomous Driving Systems

論文の概要: Deep Neural Network Perception Models and Robust Autonomous Driving Systems

arxiv url: http://arxiv.org/abs/2003.08756v1
Date: Wed, 4 Mar 2020 15:02:05 GMT
ステータス: 処理完了
システム内更新日: 2022-12-26 12:15:31.480935
Title: Deep Neural Network Perception Models and Robust Autonomous Driving Systems
Title（参考訳）: 深部ニューラルネットワーク知覚モデルとロバスト自律運転システム
Authors: Mohammad Javad Shafiee, Ahmadreza Jeddi, Amir Nazemi, Paul Fieguth, and Alexander Wong
Abstract要約: 本稿では、自律運転アプリケーションにおけるディープラーニングモデルの堅牢性を分析し、それに対応するための実用的なソリューションについて論じる。特に、自動運転アプリケーションにおける機械学習の利用に焦点を当てている。
参考スコア（独自算出の注目度）: 74.43825021645029
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper analyzes the robustness of deep learning models in autonomous driving applications and discusses the practical solutions to address that.
Abstract（参考訳）: 本稿では、自律運転アプリケーションにおけるディープラーニングモデルの堅牢性を分析し、それに対応するための実用的なソリューションについて論じる。

関連論文リスト

Creating a Formally Verified Neural Network for Autonomous Navigation: An Experience Report [0.157286095422595]
視覚に基づく自律ナビゲーションのためのカスタムデータセット上で、ニューラルネットワークの設計とトレーニングについて検討する。我々は特に、設計による基本的な安全性特性を満たすネットワークを得るために、微分可能な論理を用いた機械学習を使うことに興味を持っている。
論文参考訳（メタデータ） (2024-11-21T14:22:32Z)
Attack End-to-End Autonomous Driving through Module-Wise Noise [4.281151553151594]
本稿では,モジュラー・エンド・エンド・エンド・エンドの自律運転モデルに関する総合的対角セキュリティ研究を行う。モデル推論プロセスにおける潜在的な脆弱性を徹底的に検討し、モジュールワイドノイズ注入によるユニバーサルアタックスキームを設計する。本研究では,フルスタック自動運転モデルを用いた大規模実験を行い,攻撃手法が従来の攻撃方法より優れていることを示す。
論文参考訳（メタデータ） (2024-09-12T02:19:16Z)
Guiding Attention in End-to-End Driving Models [49.762868784033785]
模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
論文参考訳（メタデータ） (2024-04-30T23:18:51Z)
Exploring Latent Pathways: Enhancing the Interpretability of Autonomous Driving with a Variational Autoencoder [79.70947339175572]
バイオインスパイアされたニューラルサーキットポリシーモデルが革新的な制御モジュールとして登場した。我々は、変分オートエンコーダとニューラルネットワークポリシーコントローラを統合することで、飛躍的に前進する。本研究は,変分オートエンコーダへのアーキテクチャシフトに加えて,自動潜時摂動ツールを導入する。
論文参考訳（メタデータ） (2024-04-02T09:05:47Z)
Beyond One Model Fits All: Ensemble Deep Learning for Autonomous Vehicles [16.398646583844286]
本研究では,Mediated Perception, Behavior Reflex, Direct Perceptionの3つの異なるニューラルネットワークモデルを紹介する。我々のアーキテクチャは、グローバルなルーティングコマンドを使用して、ベース、将来の潜伏ベクトル予測、補助タスクネットワークからの情報を融合し、適切なアクションサブネットワークを選択する。
論文参考訳（メタデータ） (2023-12-10T04:40:02Z)
KARNet: Kalman Filter Augmented Recurrent Neural Network for Learning World Models in Autonomous Driving Tasks [11.489187712465325]
本稿では、フロントカメラ画像のみを用いて、交通流の潜在表現を学習するために、Kalmanフィルタの強化されたリカレントニューラルネットワークアーキテクチャを提案する。その結果,車両の明示的なモデル(カルマンフィルタを用いて推定した状態)をエンドツーエンド学習に組み込むことで,性能が著しく向上した。
論文参考訳（メタデータ） (2023-05-24T02:27:34Z)
Deep Q-Network Based Decision Making for Autonomous Driving [1.0152838128195467]
本稿では,Q-Networksと制御理論からの洞察を組み合わせることで,高速道路のシナリオで自動運転車を安全にナビゲートする方法を提案する。ディープQネットワークは、軌道プランナーの目標を提案することにより、中心的な意思決定ユニットとして機能するようにシミュレーションで訓練される。経年移動のための制御装置と組み合わせて生成された軌道を用いて車線変更操作を行う。
論文参考訳（メタデータ） (2023-03-21T07:01:22Z)
Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文参考訳（メタデータ） (2022-07-05T16:33:20Z)
Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文参考訳（メタデータ） (2021-11-02T10:51:42Z)
Quadratic mutual information regularization in real-time deep CNN models [51.66271681532262]
擬似相互情報による正規化手法を提案する。種々の二項分類問題の実験を行い,提案モデルの有効性を示した。
論文参考訳（メタデータ） (2021-08-26T13:14:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。