論文の概要: Directional Primitives for Uncertainty-Aware Motion Estimation in Urban Environments

• arxiv url: http://arxiv.org/abs/2007.00161v1
• Date: Wed, 1 Jul 2020 00:22:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 23:47:52.552858
• Title: Directional Primitives for Uncertainty-Aware Motion Estimation in Urban Environments
• Title（参考訳）: 都市環境における不確実性認識運動推定のための指向性プリミティブ
• Authors: Ransalu Senanayake, Maneekwan Toyungyernsub, Mingyu Wang, Mykel J. Kochenderfer, and Mac Schwager
• Abstract要約: 本稿では,道路網の先行情報を表す指向性プリミティブの概念を紹介する。 カルラシミュレーターにおけるハイウェイ、交差点、ラウンドアバウトの実験は、実際の都市運転データセットと同様に、プリミティブがより不確実性を考慮した運動推定に繋がることを示している。
• 参考スコア（独自算出の注目度）: 46.080970595942645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We can use driving data collected over a long period of time to extract rich information about how vehicles behave in different areas of the roads. In this paper, we introduce the concept of directional primitives, which is a representation of prior information of road networks. Specifically, we represent the uncertainty of directions using a mixture of von Mises distributions and associated speeds using gamma distributions. These location-dependent primitives can be combined with motion information of surrounding vehicles to predict their future behavior in the form of probability distributions. Experiments conducted on highways, intersections, and roundabouts in the Carla simulator, as well as real-world urban driving datasets, indicate that primitives lead to better uncertainty-aware motion estimation.
• Abstract（参考訳）: 長距離に収集された運転データから、道路の異なる地域での車両の挙動に関する豊富な情報を抽出することができる。 本稿では,道路網の事前情報を表現した指向性プリミティブの概念を提案する。 具体的には,von mises分布の混合とガンマ分布の関連速度を用いて方向の不確かさを表現する。 これらの位置依存プリミティブは、周囲の車両の運動情報と組み合わせて、将来の挙動を確率分布の形で予測することができる。 カルラシミュレーターにおけるハイウェイ、交差点、ラウンドアバウトの実験は、実際の都市運転データセットと同様に、プリミティブがより不確実性を考慮した運動推定につながることを示している。

関連論文リスト

• Multimodal Trajectory Prediction for Autonomous Driving on Unstructured Roads using Deep Convolutional Network [15.950227451262919]
  露天掘り鉱業における自動運転の応用は、安全で効率的な輸送を実現するための注目を集めている。 対象車両の複数の軌道とその確率を予測する手法を提案する。 この方法は、オープンピットマイニングにおける自律運転シナリオに特化したデータセット上で、オフラインでテストされた。
  論文  参考訳（メタデータ） (2024-09-27T02:29:02Z)
• Multi-Vehicle Trajectory Prediction at Intersections using State and Intention Information [50.40632021583213]
  道路員の将来の軌跡予測への伝統的なアプローチは、過去の軌跡を知ることに依存している。 この研究は、交差点で複数の車両の予測を行うために、現在の状態と意図された方向を知ることに依存する。 この情報を車両間で送るメッセージは、それぞれがより総合的な環境概要を提供する。
  論文  参考訳（メタデータ） (2023-01-06T15:13:23Z)
• Exploring Attention GAN for Vehicle Motion Prediction [2.887073662645855]
  身体的・社会的文脈を考慮した動き予測モデルにおける注意の影響について検討した。 本稿では,Argoverse Motion Forecasting Benchmark 1.1 を用いて提案手法の有効性を検証する。
  論文  参考訳（メタデータ） (2022-09-26T13:18:32Z)
• Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning [63.25627328308978]
  本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。 現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。 我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
  論文  参考訳（メタデータ） (2022-05-06T13:45:32Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Maneuver-based Anchor Trajectory Hypotheses at Roundabouts [3.5851903214591663]
  人的データから学習することで、挑戦的なラウンドアバウト環境における車両の動き予測の問題に対処する。 ドライバーの意図は、セマンティクス駆動の概念に対応する一連の操作によって符号化される。 我々のモデルは、ラウンドアバウンドにおける可能な結果の空間をカバーする、一連の操作特異的なアンカー軌道を用いる。
  論文  参考訳（メタデータ） (2021-04-22T17:08:29Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)
• Probabilistic Multi-modal Trajectory Prediction with Lane Attention for Autonomous Vehicles [10.485790589381704]
  軌道予測は自動運転車にとって不可欠である。 レーン表現のための新しいインスタンス認識表現を提案する。 提案したレーン表現とレーンアテンションモジュールは,広く使用されているエンコーダデコーダフレームワークに統合可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-06T07:57:23Z)
• MCENET: Multi-Context Encoder Network for Homogeneous Agent Trajectory Prediction in Mixed Traffic [35.22312783822563]
  都市混合交通圏における軌道予測は多くのインテリジェント交通システムにとって重要である。 本稿では,過去と未来の両方のシーンコンテキストを符号化して学習するマルチコンテキストネットワーク(MCENET)を提案する。 推定時間において,対象エージェントの過去の状況と動作情報と潜伏変数のサンプリングを組み合わせ,複数の現実的軌跡を予測する。
  論文  参考訳（メタデータ） (2020-02-14T11:04:41Z)

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。