論文の概要: Affordable Modular Autonomous Vehicle Development Platform

• arxiv url: http://arxiv.org/abs/2006.11670v1
• Date: Sat, 20 Jun 2020 22:51:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 23:03:12.392020
• Title: Affordable Modular Autonomous Vehicle Development Platform
• Title（参考訳）: 安価なモジュラー自動運転車開発プラットフォーム
• Authors: Benedict Quartey, G. Ayorkor Korsah
• Abstract要約: 毎年125万人が道路事故で死亡し、アフリカは道路事故の死亡率が最も高い。 財政的な制約は、アフリカにおける実験や自動運転技術の研究を妨げている。 本稿では,手頃なモジュール型自動運転車開発プラットフォームであるRollEの設計について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Road accidents are estimated to be the ninth leading cause of death across all age groups globally. 1.25 million people die annually from road accidents and Africa has the highest rate of road fatalities [1]. Research shows that three out of five road accidents are caused by driver-related behavioral factors [2]. Self-driving technology has the potential of saving lives lost to these preventable road accidents. Africa accounts for the majority of road fatalities and as such would benefit immensely from this technology. However, financial constraints prevent viable experimentation and research into self-driving technology in Africa. This paper describes the design of RollE, an affordable modular autonomous vehicle development platform. It is capable of driving via remote control for data collection and also capable of autonomous driving using a convolutional neural network. This system is aimed at providing students and researchers with an affordable autonomous vehicle to develop and test self-driving car technology.
• Abstract（参考訳）: 道路事故は全年齢層で9番目に多い死因と推定されている。 毎年125万人が道路事故で死亡しており、アフリカでは道路事故が最多である[1]。 5件の道路事故のうち3件は運転者の行動要因[2]によるものである。 自動運転技術は、これらの予防可能な道路事故で失われた命を救う可能性を秘めている。 アフリカは道路の死亡者の大半を占めており、この技術から大きな利益を得られるだろう。 しかし、財政的な制約はアフリカにおける自動運転技術の実験や研究を妨げている。 本稿では,手頃なモジュール型自動運転車開発プラットフォームであるRollEの設計について述べる。 データ収集のためのリモートコントロールによる運転が可能で、畳み込みニューラルネットワークを使用した自律運転も可能である。 このシステムは、学生や研究者に自動運転車の技術を開発しテストするための安価な自動運転車を提供することを目的としている。

関連論文リスト

• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• Machine Learning-Based Vehicle Intention Trajectory Recognition and Prediction for Autonomous Driving [0.0]
  2016年3月、グーグルの自動運転車がバスと小さな衝突に巻き込まれた。 本稿では,自律走行車線変更行動の深層学習に基づく予測手法を提案する。 安全な車線変更を容易にし、道路の安全性を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-02-25T09:28:20Z)
• SuperDriverAI: Towards Design and Implementation for End-to-End Learning-based Autonomous Driving [0.0]
  我々はSuperDriver AIというエンド・ツー・エンドの学習に基づく自律走行システムを提案する。 Deep Neural Networks (DNN)は、経験豊富な人間ドライバーから運転行動とポリシーを学び、運転操作を決定する。 我々は東京の1つの運転シナリオで150回の走行を収集し、現実世界の車両でSuperDriver AIのデモを見せた。
  論文  参考訳（メタデータ） (2023-05-14T10:13:58Z)
• Comparative Study of Q-Learning and NeuroEvolution of Augmenting Topologies for Self Driving Agents [0.0]
  自動運転車は世界中の自動車事故の数を削減できると期待されている。 進化的アルゴリズムと人工ニューラルネットワークを組み合わせた強化学習アルゴリズムとNeuroEvolution of Augment Topologies(NEAT)に注目して、モデルエージェントをトレーニングして、与えられたパス上での運転方法を学ぶ。
  論文  参考訳（メタデータ） (2022-09-19T13:34:18Z)
• Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
  道路事故は世界8大死因である。 様々な要因がドライバーの疲労の原因となっている。 ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
  論文  参考訳（メタデータ） (2022-08-31T08:42:28Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• 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)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• Self-Driving Cars and Driver Alertness [16.00431760297241]
  自動運転車を制御している間の注意力の低下は、予測不能な状況下でドライバーが介入する能力を妨げかねない。 研究者、ドライバー、業界、政策立案者など、さまざまな利害関係者に推奨します。
  論文  参考訳（メタデータ） (2021-07-20T23:55:44Z)
• Ethical Decision Making During Automated Vehicle Crashes [0.0]
  自動走行車は、すべてのセンサー、車両制御部品、アルゴリズムが完全に機能していても、時々クラッシュすると予想されている。 本研究は, 自動走行車両の衝突事故を調査し, 結論を下す。(1) 自動走行車両がほぼ確実にクラッシュし, (2) 特定の事故に先立って自動走行車両の判断が道徳的要素を持ち, (3) ソフトウェアに複雑な人間の道徳を効果的に符号化する方法が存在しない。
  論文  参考訳（メタデータ） (2020-10-30T14:58:17Z)
• Learning Accurate and Human-Like Driving using Semantic Maps and Attention [152.48143666881418]
  本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。 HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。 私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
  論文  参考訳（メタデータ） (2020-07-10T22:25:27Z)

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。