論文の概要: CVPR 2019 WAD Challenge on Trajectory Prediction and 3D Perception

• arxiv url: http://arxiv.org/abs/2004.05966v2
• Date: Thu, 15 Oct 2020 22:24:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 06:02:23.736168
• Title: CVPR 2019 WAD Challenge on Trajectory Prediction and 3D Perception
• Title（参考訳）: CVPR 2019 WADによる軌道予測と3次元知覚の課題
• Authors: Sibo Zhang, Yuexin Ma, Ruigang Yang
• Abstract要約: BaiduのRobotics and Autonomous Driving Lab (RAL)は、Trajectoryと3D知覚データセットというラベルで150分を提供する。 課題は(1)軌道予測と(2)ライダー物体検出の2つの課題である。
• 参考スコア（独自算出の注目度）: 39.12032141911959
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper reviews the CVPR 2019 challenge on Autonomous Driving. Baidu's Robotics and Autonomous Driving Lab (RAL) providing 150 minutes labeled Trajectory and 3D Perception dataset including about 80k lidar point cloud and 1000km trajectories for urban traffic. The challenge has two tasks in (1) Trajectory Prediction and (2) 3D Lidar Object Detection. There are more than 200 teams submitted results on Leaderboard and more than 1000 participants attended the workshop.
• Abstract（参考訳）: 本稿では、自動運転に関するcvpr 2019チャレンジを概観する。 BaiduのRobotics and Autonomous Driving Lab (RAL)は、およそ80kのライダーポイントクラウドと1000kmの都市交通トラジェクトリを含む、Trajectoryと3D知覚データセットに150分間のラベルを付けた。 課題は(1)軌道予測と(2)3次元ライダー物体検出の2つの課題である。 このワークショップには200以上のチームが参加し、1000人以上の参加者が参加した。

関連論文リスト

• The 7th AI City Challenge [87.23137854688389]
  AIシティチャレンジの第7版では、コンピュータビジョンと人工知能の交差点にある2つのドメインを強調している。 2023年大会には5つのトラックがあり、46カ国508チームからの参加要請が過去最高となった。 参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
  論文  参考訳（メタデータ） (2023-04-15T08:02:16Z)
• Learn-to-Race Challenge 2022: Benchmarking Safe Learning and Cross-domain Generalisation in Autonomous Racing [12.50944966521162]
  新たにリリースされたLearning-to-Race(L2R)シミュレーションフレームワークに基づいて,自動レースバーチャルチャレンジの結果を示す。 本稿では,改良されたメトリクスとベースラインアプローチを備えた新しいL2R Task 2.0ベンチマークについて述べる。 また、L2R Autonomous Racing Virtual Challengeの初回インスタンスの配置、評価、ランキングについても概説する。
  論文  参考訳（メタデータ） (2022-05-05T22:31:19Z)
• The 6th AI City Challenge [91.65782140270152]
  2022年のAIシティチャレンジの4つのチャレンジトラックは、27カ国254チームからの参加要請を受けた。 参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
  論文  参考訳（メタデータ） (2022-04-21T19:24:17Z)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)
• Workshop on Autonomous Driving at CVPR 2021: Technical Report for Streaming Perception Challenge [57.647371468876116]
  本稿では,現実的な自律運転シナリオのためのリアルタイム2次元物体検出システムについて紹介する。 私たちの検出器は、YOLOXと呼ばれる新しい設計のYOLOモデルで構築されています。 Argoverse-HDデータセットでは,検出のみのトラック/トラックで2位を7.8/6.1上回る41.0ストリーミングAPを達成した。
  論文  参考訳（メタデータ） (2021-07-27T06:36:06Z)
• LID 2020: The Learning from Imperfect Data Challenge Results [242.86700551532272]
  Imperfect Dataワークショップからの学習は、新しいアプローチの開発に刺激を与え、促進することを目的としている。 我々は、弱教師付き学習環境における最先端のアプローチを見つけるために、3つの課題を編成する。 この技術的レポートは、課題のハイライトを要約している。
  論文  参考訳（メタデータ） (2020-10-17T13:06:12Z)
• Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies [12.775642557933908]
  これはディープラーニング手法を用いた自動運転技術のサーベイである。 本稿では,認識,マッピングとローカライゼーション,予測,計画と制御,シミュレーション,V2X,安全性など,自動運転システムの主要な分野について検討する。
  論文  参考訳（メタデータ） (2020-06-10T22:21:57Z)

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。