論文の概要: Transfer Learning for Input Estimation of Vehicle Systems

• arxiv url: http://arxiv.org/abs/2010.13261v2
• Date: Fri, 2 Apr 2021 13:30:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 19:32:35.093642
• Title: Transfer Learning for Input Estimation of Vehicle Systems
• Title（参考訳）: 車両システムの入力推定のための伝達学習
• Authors: Liam M. Cronin, Soheil Sadeghi Eshkevari, Debarshi Sen and Shamim N. Pakzad
• Abstract要約: 本研究では,車載サスペンションシステムの入力推定にドメイン適応性を用いた学習手法を提案する。 橋梁の健康モニタリングのための群衆センシング環境では、車両がセンサーを持って橋の動的反応のサンプルを収集する。
• 参考スコア（独自算出の注目度）: 4.588028371034406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study proposes a learning-based method with domain adaptability for input estimation of vehicle suspension systems. In a crowdsensing setting for bridge health monitoring, vehicles carry sensors to collect samples of the bridge's dynamic response. The primary challenge is in preprocessing; signals are highly contaminated from road profile roughness and vehicle suspension dynamics. Additionally, signals are collected from a diverse set of vehicles vitiating model-based approaches. In our data-driven approach, two autoencoders for the cabin signal and the tire-level signal are constrained to force the separation of the tire-level input from the suspension system in the latent state representation. From the extracted features, we estimate the tire-level signal and determine the vehicle class with high accuracy (98% classification accuracy). Compared to existing solutions for the vehicle suspension deconvolution problem, we show that the proposed methodology is robust to vehicle dynamic variations and suspension system nonlinearity.
• Abstract（参考訳）: 本研究では,車両サスペンションシステムの入力推定にドメイン適応性を用いた学習手法を提案する。 橋梁の健康モニタリングのための群衆センシング環境では、車両がセンサーを持って橋の動的反応のサンプルを収集する。 主な課題は前処理であり、信号は路面粗さや車両サスペンションのダイナミクスから非常に汚染されている。 さらに、モデルに基づくアプローチを活性化する多様な車両から信号が収集される。 データ駆動方式では,キャビン信号とタイヤレベル信号の2つのオートエンコーダを拘束し,タイヤレベル入力とサスペンションの分離を潜在状態表現で強制する。 抽出した特徴からタイヤレベル信号を推定し,高い精度 (98% の分類精度) で車両クラスを判定した。 車両の懸架脱畳問題に対する既存の解と比較して,提案手法は車両の動的変動や懸架系の非線形性に対して頑健であることを示す。

関連論文リスト

• Enhancing Track Management Systems with Vehicle-To-Vehicle Enabled Sensor Fusion [0.0]
  本稿では,新しいV2V対応トラック管理システムを提案する。 中心となるイノベーションは、V2V通信を通じて検証された融合検出からなる独立した優先度トラックリストの作成にある。 本システムでは,V2X信号のファルシフィケーションが,認識センサからの検知を用いて,初期車両識別プロセスを通じて発生することの意義を考察する。
  論文  参考訳（メタデータ） (2024-04-26T20:54:44Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Deep Learning Overloaded Vehicle Identification for Long Span Bridges Based on Structural Health Monitoring Data [3.331125445667599]
  過負荷車両識別のためのBWIM (bridge weigh-in-motion)法が普及している。 深層学習に基づく過負荷車両識別手法(DOVI)を提案する。 簡易支持梁と長尺ケーブルステイドブリッジを用いてランダムな交通流下でモデル評価を行った。
  論文  参考訳（メタデータ） (2023-09-04T13:24:54Z)
• Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
  我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
  論文  参考訳（メタデータ） (2023-04-14T10:09:50Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Salient Sign Detection In Safe Autonomous Driving: AI Which Reasons Over Full Visual Context [2.799896314754614]
  運転シーンにおける様々な交通標識は、運転者の判断に不平等な影響を及ぼす。 そこで我々は,有能な標識の性能を重視した交通信号検出モデルを構築した。 本研究では,Salience-Sensitive Focal Lossで訓練したモデルが,無訓練で訓練したモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-14T01:47:09Z)
• A Distributed Acoustic Sensor System for Intelligent Transportation using Deep Learning [2.1219631216034127]
  本研究は,光ファイバーを用いた分散音響センサ(DAS)を用いた交通解析のための新しいデータソースについて検討する。 本研究では,DAS信号の分析を行う深層学習手法を提案する。 制御条件下で収集したDASデータに基づいて,車両の分類精度92%,乗員検出92%-97%を達成した。
  論文  参考訳（メタデータ） (2022-09-13T13:23:30Z)
• A Benchmark for Spray from Nearby Cutting Vehicles [7.767933159959353]
  本論文は噴霧による乱れの検査方法について述べる。 噴霧による乱れを評価するための評価スキームとともに、新しい軽量噴霧装置を導入している。 密閉車両の一般的なシナリオでは、歪みが最大4秒までの知覚スタックに深刻な影響を与えていることが分かる。
  論文  参考訳（メタデータ） (2021-08-24T15:40:09Z)
• Driving-Signal Aware Full-Body Avatars [49.89791440532946]
  そこで本研究では,駆動信号を意識したフルボディアバターを構築するための学習ベース手法を提案する。 我々のモデルは条件付き変分オートエンコーダであり、不完全な駆動信号でアニメーションできる。 仮想テレプレゼンスのためのフルボディアニメーションの課題に対して,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-05-21T16:22:38Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• The Devil is in the Details: Self-Supervised Attention for Vehicle Re-Identification [75.3310894042132]
  車両識別のための自己監督的注意(SAVER)は、車両固有の識別特徴を効果的に学習するための新しいアプローチである。 我々は,SAVERがVeRi, VehicleID, Vehicle-1M, VERI-Wildのデータセットに挑戦する際の最先端性を改善することを示す。
  論文  参考訳（メタデータ） (2020-04-14T02:24:47Z)

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。