論文の概要: A Survey on Autonomous Vehicle Control in the Era of Mixed-Autonomy: From Physics-Based to AI-Guided Driving Policy Learning

• arxiv url: http://arxiv.org/abs/2007.05156v1
• Date: Fri, 10 Jul 2020 04:27:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 22:28:05.731454
• Title: A Survey on Autonomous Vehicle Control in the Era of Mixed-Autonomy: From Physics-Based to AI-Guided Driving Policy Learning
• Title（参考訳）: 混合自律化時代の自動運転車制御に関する調査研究:物理からAI誘導運転政策学習へ
• Authors: Xuan Di and Rongye Shi
• Abstract要約: 本稿では、人工知能(AI)から自律走行車(AV)制御のための輸送工学分野への潜在的に有用なモデルと方法論の紹介と概要を提供する。 我々は、AI誘導手法の最先端の応用について議論し、機会と障害を特定し、オープンな質問を提起し、AIが混合自律において役割を果たす可能性のあるビルディングブロックとエリアを提案する。
• 参考スコア（独自算出の注目度）: 7.881140597011731
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper serves as an introduction and overview of the potentially useful models and methodologies from artificial intelligence (AI) into the field of transportation engineering for autonomous vehicle (AV) control in the era of mixed autonomy. We will discuss state-of-the-art applications of AI-guided methods, identify opportunities and obstacles, raise open questions, and help suggest the building blocks and areas where AI could play a role in mixed autonomy. We divide the stage of autonomous vehicle (AV) deployment into four phases: the pure HVs, the HV-dominated, the AVdominated, and the pure AVs. This paper is primarily focused on the latter three phases. It is the first-of-its-kind survey paper to comprehensively review literature in both transportation engineering and AI for mixed traffic modeling. Models used for each phase are summarized, encompassing game theory, deep (reinforcement) learning, and imitation learning. While reviewing the methodologies, we primarily focus on the following research questions: (1) What scalable driving policies are to control a large number of AVs in mixed traffic comprised of human drivers and uncontrollable AVs? (2) How do we estimate human driver behaviors? (3) How should the driving behavior of uncontrollable AVs be modeled in the environment? (4) How are the interactions between human drivers and autonomous vehicles characterized? Hopefully this paper will not only inspire our transportation community to rethink the conventional models that are developed in the data-shortage era, but also reach out to other disciplines, in particular robotics and machine learning, to join forces towards creating a safe and efficient mixed traffic ecosystem.
• Abstract（参考訳）: 本稿では,混合自律の時代における自律走行車(AV)制御のための輸送工学分野への人工知能(AI)からの潜在的有用なモデルと方法論の紹介と概要を提供する。 我々は、AI誘導手法の最先端の応用について議論し、機会と障害を特定し、オープンな質問を提起し、AIが混合自律において役割を果たす可能性のあるビルディングブロックとエリアを提案する。 自動運転車(AV)の展開段階は、純粋なHV、HVが支配する、AVが支配する、純粋なAVの4段階に分けられる。 本論文は, 主に後半3段階に焦点をあてる。 交通工学とaiの混合交通モデリングに関する文献を総合的にレビューする最初のits-kind調査論文である。 各フェーズで使用されるモデルは、ゲーム理論、深い(強化)学習、模倣学習を含む要約される。 1)人間ドライバーと制御不能なAVによる混在トラフィックにおいて、多数のAVを制御するためのスケーラブルな運転ポリシーとは何か? 2) 人間の運転行動をどのように推定するか? 3)制御不能avの運転挙動を環境にモデル化するにはどうすればよいか? (4)人間と自動運転車の相互作用はどのようなものか? この論文は、データショート時代に開発された従来のモデルを再考するだけでなく、ロボット工学や機械学習といった他の分野にも手を差し伸べ、安全で効率的な混合交通エコシステムの構築に力を入れることを願っている。

関連論文リスト

• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
  本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。 私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
  論文  参考訳（メタデータ） (2024-07-09T04:56:11Z)
• 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)
• Autonomous Vehicles: Evolution of Artificial Intelligence and Learning Algorithms [0.0]
  この研究は、長年にわたるAI/学習アルゴリズムの使用状況とタイプに関する統計的知見を提示する。 本論文では,トラックおよび自動車の精製アルゴリズムにおけるパラメータの役割について述べる。 結論は、さまざまなレベルの自律性を概説し、AIと学習アルゴリズムの微妙な使用を解明することだ。
  論文  参考訳（メタデータ） (2024-02-27T17:07:18Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• Social Interaction-Aware Dynamical Models and Decision Making for Autonomous Vehicles [20.123965317836106]
  IAAD(Interaction-Aware Autonomous Driving)は、急速に成長する研究分野である。 それは、人間の道路利用者と安全かつ効率的に対話できる自動運転車の開発に焦点を当てている。 これは、自動運転車が人間の道路利用者の行動を理解し予測できることを要求するため、困難な作業である。
  論文  参考訳（メタデータ） (2023-10-29T03:43:50Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
  本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。 擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:08:31Z)
• Explanations in Autonomous Driving: A Survey [7.353589916907923]
  我々は、説明可能な自動運転における既存の作業の包括的調査を行う。 我々は、AVの開発、使用、規制に関わる様々な利害関係者を特定し、分類する。
  論文  参考訳（メタデータ） (2021-03-09T00:31:30Z)
• Deep Reinforcement Learning for Human-Like Driving Policies in Collision Avoidance Tasks of Self-Driving Cars [1.160208922584163]
  自動運転ポリシーを生成するために,モデルフリーで深層強化学習手法を導入する。 本研究では,2車線道路における静的障害物回避タスクをシミュレーションで検討する。 このアプローチが人間ライクな運転ポリシーにつながることを実証します。
  論文  参考訳（メタデータ） (2020-06-07T18:20:33Z)

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。