論文の概要: Efficient Behavior-aware Control of Automated Vehicles at Crosswalks using Minimal Information Pedestrian Prediction Model

• arxiv url: http://arxiv.org/abs/2003.09998v1
• Date: Sun, 22 Mar 2020 21:34:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-28 11:35:15.918873
• Title: Efficient Behavior-aware Control of Automated Vehicles at Crosswalks using Minimal Information Pedestrian Prediction Model
• Title（参考訳）: ミニマル情報歩行者予測モデルを用いた横断歩道における車両の効率的な行動認識制御
• Authors: Suresh Kumaar Jayaraman, Lionel P. Robert Jr., Xi Jessie Yang, Anuj K. Pradhan, Dawn M. Tilbury
• Abstract要約: 自動走行車(AV)が横断歩道を確実に走行するには、歩行者の横断行動を理解する必要がある。 歩行者横断行動の長期予測を組み込んだAV用行動認識モデル予測制御器(B-MPC)を提案する。 その結果、交差シナリオにおける安全かつ効率的なナビゲーションのためのコントローラの適用性を示した。
• 参考スコア（独自算出の注目度）: 5.6640402503031515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For automated vehicles (AVs) to reliably navigate through crosswalks, they need to understand pedestrians crossing behaviors. Simple and reliable pedestrian behavior models aid in real-time AV control by allowing the AVs to predict future pedestrian behaviors. In this paper, we present a Behavior aware Model Predictive Controller (B-MPC) for AVs that incorporates long-term predictions of pedestrian crossing behavior using a previously developed pedestrian crossing model. The model incorporates pedestrians gap acceptance behavior and utilizes minimal pedestrian information, namely their position and speed, to predict pedestrians crossing behaviors. The BMPC controller is validated through simulations and compared to a rule-based controller. By incorporating predictions of pedestrian behavior, the B-MPC controller is able to efficiently plan for longer horizons and handle a wider range of pedestrian interaction scenarios than the rule-based controller. Results demonstrate the applicability of the controller for safe and efficient navigation at crossing scenarios.
• Abstract（参考訳）: 自動走行車(AV)が横断歩道を確実に走行するには、歩行者の横断行動を理解する必要がある。 単純で信頼性の高い歩行者行動モデルは、AVが将来の歩行者行動を予測することによって、リアルタイムのAV制御を支援する。 本稿では,従来の歩行者横断モデルを用いた歩行者横断行動の長期予測を組み込んだavs用行動認識モデル予測制御器(b-mpc)を提案する。 このモデルは歩行者のギャップ受容行動を含み、歩行者の交差行動を予測するために最小限の歩行者情報、すなわちその位置と速度を利用する。 BMPCコントローラはシミュレーションによって検証され、ルールベースのコントローラと比較される。 歩行者行動予測を取り入れることで、B-MPCコントローラはより長い地平線を効率的に計画し、ルールベースのコントローラよりも幅広い歩行者インタラクションシナリオを処理できる。 その結果、交差シナリオにおける安全かつ効率的なナビゲーションのためのコントローラの適用性を示した。

関連論文リスト

• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  運動プランナー(MP)は複雑な都市環境における安全なナビゲーションに不可欠である。 最近リリースされたMPベンチマークであるnuPlanは、クローズドループシミュレーションロジックで現実世界の駆動ログを拡張することで、この制限に対処している。 本稿では,モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverを提案する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• Predicting and Analyzing Pedestrian Crossing Behavior at Unsignalized Crossings [3.373568134827475]
  非ゼブラシナリオにおけるギャップ選択と、ゼブラシナリオにおけるゼブラ交差使用量を予測する機械学習モデルの提案と評価を行った。 歩行者の行動が、歩行者待ち時間、歩行速度、未使用ギャップの数、最大の欠落ギャップ、その他の歩行者の影響など、様々な要因にどのように影響するかを論じる。
  論文  参考訳（メタデータ） (2024-04-15T08:36:40Z)
• GPT-4V Takes the Wheel: Promises and Challenges for Pedestrian Behavior Prediction [12.613528624623514]
  本研究は,自律運転における歩行者行動予測の文脈において,視覚言語モデル(VLM)の定量的および定性的な評価を行った最初のものである。 JAAD と WiDEVIEW を用いて GPT-4V の評価を行った。 このモデルは、ゼロショット方式で57%の精度で達成されているが、それでもなお、歩行者の横断行動を予測する最先端のドメイン固有モデル(70%)の背後にある。
  論文  参考訳（メタデータ） (2023-11-24T18:02:49Z)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• PSI: A Pedestrian Behavior Dataset for Socially Intelligent Autonomous Car [47.01116716025731]
  本稿では、IUPUI-CSRC Pedestrian Situated Intent(PSI)データと呼ばれる別のベンチマークデータセットを提案し、共有する。 最初の新しいラベルは、24人のドライバーによって達成されたエゴ車両の前を歩行者が横断する動的な意図の変化である。 2つ目は、歩行者の意図を推定し、その行動を予測するときに、運転者の推論プロセスに関するテキストベースの説明である。
  論文  参考訳（メタデータ） (2021-12-05T15:54:57Z)
• Modeling Interactions of Autonomous Vehicles and Pedestrians with Deep Multi-Agent Reinforcement Learning for Collision Avoidance [20.542143534865154]
  本研究では,対話系列をマルコフ決定過程 (MDP) としてモデル化し,深部強化学習 (DRL) アルゴリズムを用いて解析する。 知的歩行者行動の異なるPCAMシステムは,エージェントの衝突速度と結果の交通流効率に応じてベンチマークを行う。 その結果, AV は実験条件の大部分で完全に衝突を緩和できることがわかった。
  論文  参考訳（メタデータ） (2021-09-30T17:06:39Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• Pedestrian Intention Prediction: A Multi-task Perspective [83.7135926821794]
  グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。 本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。 この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-10-20T13:42:31Z)
• Autonomous Vehicle Visual Signals for Pedestrians: Experiments and Design Recommendations [15.93407659887257]
  運転手がいない状態では、自動運転車が歩行者にその意図を伝える方法が明確ではない。 歩行者横断歩道における視認性,直感性,説得性,ユーザビリティの6つの視覚信号の評価を行った。 我々は、信号パターンの設計と配置に焦点をあてて、12の実用的なAV視覚信号の設計勧告を精査する。
  論文  参考訳（メタデータ） (2020-10-10T22:56:46Z)
• Analysis and Prediction of Pedestrian Crosswalk Behavior during Automated Vehicle Interactions [11.333580296938859]
  短距離地平線(1-2秒)でしか予測できない横断歩道周辺のAV運動計画への最近の動向 本研究では,歩行者間隙受入行動と定速度ダイナミクスを長期的歩行者軌道予測に用いるハイブリッドシステムモデルを開発した。 その結果,横断歩道における歩行者軌道予測モデルの適用性を示した。
  論文  参考訳（メタデータ） (2020-03-22T21:28:39Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。