論文の概要: Self-awareness in intelligent vehicles: Feature based dynamic Bayesian
models for abnormality detection
- arxiv url: http://arxiv.org/abs/2010.15441v1
- Date: Thu, 29 Oct 2020 09:29:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 00:05:08.120057
- Title: Self-awareness in intelligent vehicles: Feature based dynamic Bayesian
models for abnormality detection
- Title(参考訳): インテリジェント車における自己認識:異常検出のための特徴に基づく動的ベイズモデル
- Authors: Divya Thekke Kanapram, Pablo Marin-Plaza, Lucio Marcenaro, David
Martin, Arturo de la Escalera and Carlo Regazzoni
- Abstract要約: 本稿では,自律走行車における自己認識性向上のための新しい手法を提案する。
車両からの時系列データは、データ駆動型動的ベイズネットワーク(DBN)モデルの開発に使用される。
協調作業における共同異常検出が可能な初期レベル集団認識モデルを提案する。
- 参考スコア(独自算出の注目度): 4.251384905163326
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The evolution of Intelligent Transportation Systems in recent times
necessitates the development of self-awareness in agents. Before the intensive
use of Machine Learning, the detection of abnormalities was manually programmed
by checking every variable and creating huge nested conditions that are very
difficult to track. This paper aims to introduce a novel method to develop
self-awareness in autonomous vehicles that mainly focuses on detecting abnormal
situations around the considered agents. Multi-sensory time-series data from
the vehicles are used to develop the data-driven Dynamic Bayesian Network (DBN)
models used for future state prediction and the detection of dynamic
abnormalities. Moreover, an initial level collective awareness model that can
perform joint anomaly detection in co-operative tasks is proposed. The GNG
algorithm learns the DBN models' discrete node variables; probabilistic
transition links connect the node variables. A Markov Jump Particle Filter
(MJPF) is applied to predict future states and detect when the vehicle is
potentially misbehaving using learned DBNs as filter parameters. In this paper,
datasets from real experiments of autonomous vehicles performing various tasks
used to learn and test a set of switching DBN models.
- Abstract(参考訳): 近年のインテリジェント・トランスポーテーション・システムの発展は、エージェントの自己認識の発展を必要とする。
機械学習を集中的に使用する以前は、すべての変数をチェックして、追跡するのが非常に難しい巨大なネスト状態を生成することで、異常検出を手動でプログラムしていた。
本研究は, 自律走行車において, エージェントの周囲の異常な状況を検出することを目的とした, 自己認識の新たな手法を提案する。
車両からの複数センサ時系列データは、将来の状態予測や動的異常の検出に使用されるデータ駆動型動的ベイズネットワーク(dbn)モデルの開発に使用される。
さらに,共同作業における協調的異常検出が可能な初期レベル集団認識モデルを提案する。
GNGアルゴリズムはDBNモデルの離散ノード変数を学習し、確率的遷移リンクはノード変数を接続する。
マルコフジャンプ粒子フィルタ(MJPF)を用いて将来の状態を予測し、学習したDBNをフィルタパラメータとして使用して車両が誤動作している可能性を検知する。
本稿では,自律走行車両の実際の実験から得られたデータを用いて,スイッチングdbnモデルのセットを学習し,テストする。
関連論文リスト
- AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳(メタデータ) (2024-03-26T04:27:56Z) - 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) - Anomaly Detection in Multi-Agent Trajectories for Automated Driving [2.5211566369910967]
人間と同様、自動走行車は異常検出を行う。
私たちの革新は、動的エージェントの複数の軌道を共同で学習する能力です。
論文 参考訳(メタデータ) (2021-10-15T08:07:31Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-08T14:07:55Z) - Improving Variational Autoencoder based Out-of-Distribution Detection
for Embedded Real-time Applications [2.9327503320877457]
アウト・オブ・ディストリビューション(OD)検出は、リアルタイムにアウト・オブ・ディストリビューションを検出するという課題に対処する新しいアプローチである。
本稿では,自律走行エージェントの周囲の有害な動きを頑健に検出する方法について述べる。
提案手法は,OoD因子の検出能力を一意に改善し,最先端手法よりも42%向上した。
また,本モデルでは,実験した実世界およびシミュレーション駆動データに対して,最先端技術よりも97%の精度でほぼ完璧に一般化した。
論文 参考訳(メタデータ) (2021-07-25T07:52:53Z) - A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。
提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
論文 参考訳(メタデータ) (2021-03-01T06:47:29Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳(メタデータ) (2020-10-29T08:27:43Z) - Self-awareness in Intelligent Vehicles: Experience Based Abnormality
Detection [4.721146043492144]
本稿では,車両内部の相互相関パラメータに基づく異常検出手法を提案する。
動的ベイズネットワーク(DBN)モデルをトレーニングすることで、車両が誤動作している可能性を自動評価し、検出することができる。
論文 参考訳(メタデータ) (2020-10-28T16:08:54Z) - Collective Awareness for Abnormality Detection in Connected Autonomous
Vehicles [4.659696262995864]
本稿では,知的エージェントのネットワークにおいて,集団認識の初期レベルを開発するための新しいアプローチを提案する。
特定の集団的自己認識機能、すなわちエージェントが異常な状況を検出することを考える。
また、ネットワークの各エージェントによって分散的に検知されたデータを共有するために、ネットワークが使用する通信チャネルによって影響を評価する。
論文 参考訳(メタデータ) (2020-10-28T12:11:36Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
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。