Fugu-MT 論文翻訳(概要): A Scenario-Based Development Framework for Autonomous Driving

論文の概要: A Scenario-Based Development Framework for Autonomous Driving

arxiv url: http://arxiv.org/abs/2011.01439v2
Date: Thu, 5 Nov 2020 20:09:36 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 05:47:34.841382
Title: A Scenario-Based Development Framework for Autonomous Driving
Title（参考訳）: シナリオに基づく自動運転開発フレームワーク
Authors: Xiaoyi Li
Abstract要約: 本稿では,自動運転車のシナリオベーステスト・開発技術の進歩について概説する。本稿では,シナリオの定義,シナリオの要素,シナリオのデータソース,シナリオデータの処理方法,シナリオベースのVモデルを提案する。
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: This article summarizes the research progress of scenario-based testing and development technology for autonomous vehicles. We systematically analyzed previous research works and proposed the definition of scenario, the elements of the scenario ontology, the data source of the scenario, the processing method of the scenario data, and scenario-based V-Model. Moreover, we summarized the automated test scenario construction method by random scenario generation and dangerous scenario generation.
Abstract（参考訳）: 本稿では,自動運転車のシナリオベーステスト・開発技術の進歩について概説する。先行研究を体系的に分析し,シナリオの定義,シナリオオントロジーの要素,シナリオのデータソース,シナリオデータの処理方法,シナリオベースのvモデルを提案した。さらに,ランダムなシナリオ生成と危険なシナリオ生成による自動テストシナリオ構築手法を要約した。

関連論文リスト

RealGen: Retrieval Augmented Generation for Controllable Traffic Scenarios [62.89459646611976]
RealGenは、トラフィックシナリオ生成のための新しい検索ベースのコンテキスト内学習フレームワークである。 RealGenは、複数の検索されたサンプルの振る舞いを勾配のない方法で組み合わせることで、新しいシナリオを合成する。このコンテキスト内学習フレームワークは、シナリオを編集する機能を含む多種多様な生成機能を提供する。
論文参考訳（メタデータ） (2023-12-19T23:11:06Z)
Is Scenario Generation Ready for SOTIF? A Systematic Literature Review [3.1491385041570146]
我々は,SOTIF規格の要件に従ってシナリオを生成する手法を特定するために,体系的文献レビューを実施している。実世界のどの詳細が生成されたシナリオでカバーされているのか、テスト中のシステムに特定のシナリオがあるのか、あるいはジェネリックなのか、未知のシナリオと有害なシナリオのセットを最小限に抑えるために設計されているのか、について検討する。
論文参考訳（メタデータ） (2023-08-04T11:59:21Z)
Acquire Driving Scenarios Efficiently: A Framework for Prospective Assessment of Cost-Optimal Scenario Acquisition [0.1999925939110439]
本稿では,シナリオ生成手法のコスト-最適利用の定量化手法を提案する。到達可能な完全カバレッジ,品質基準,コストの予測を含むメタモデルに適合する手法を提案する。
論文参考訳（メタデータ） (2023-07-21T15:26:08Z)
Tree-Based Scenario Classification: A Formal Framework for Coverage Analysis on Test Drives of Autonomous Vehicles [0.0]
シナリオベースのテストでは、関連する(運転)シナリオがテストの基礎になります。シナリオの集合を分類し、記録されたテストドライブにおけるこれらのシナリオのカバレッジを測定するというオープンな課題に対処する。
論文参考訳（メタデータ） (2023-07-11T08:30:57Z)
UMSE: Unified Multi-scenario Summarization Evaluation [52.60867881867428]
要約品質評価は、テキスト要約における非自明なタスクである。統一多シナリオ要約評価モデル(UMSE)を提案する。 UMSEは3つの評価シナリオで使用できる能力に係わる最初の統合要約評価フレームワークである。
論文参考訳（メタデータ） (2023-05-26T12:54:44Z)
Vectorized Scenario Description and Motion Prediction for Scenario-Based Testing [2.07180164747172]
本稿では,道路形状と車両軌跡によって定義されたベクトル化されたシナリオ記述を提案する。この形式のデータは3つのシナリオに対して生成され、マージされ、モーション予測モデルであるVectorNetのトレーニングに使用される。
論文参考訳（メタデータ） (2023-02-02T15:32:25Z)
Data-to-text Generation with Variational Sequential Planning [74.3955521225497]
非言語的な入力からテキスト出力を生成することを目的としたデータ・ツー・テキスト生成の課題について考察する。協調的かつ有意義な方法で高レベルの情報を整理する責任を負う計画要素を付加したニューラルモデルを提案する。我々は、計画と生成のステップをインターリーブしながら、構造化された変動モデルで逐次、潜在計画を推測する。
論文参考訳（メタデータ） (2022-02-28T13:17:59Z)
Generating Useful Accident-Prone Driving Scenarios via a Learned Traffic Prior [135.78858513845233]
STRIVEは、特定のプランナーが衝突のような望ましくない振る舞いを発生させるような、困難なシナリオを自動的に生成する手法である。シナリオの妥当性を維持するために、キーとなるアイデアは、グラフベースの条件付きVAEという形で、学習した交通運動モデルを活用することである。その後の最適化は、シナリオの"解決"を見つけるために使用され、与えられたプランナーを改善するのに有効である。
論文参考訳（メタデータ） (2021-12-09T18:03:27Z)
Addressing the IEEE AV Test Challenge with Scenic and VerifAI [10.221093591444731]
本稿では,IEEE AVテストチャレンジのシミュレーションにおいて,自律走行車(AV)のテストに対する我々の公式なアプローチを要約する。我々は,知的サイバー物理システムのための形式駆動型シミュレーションに関するこれまでの研究を生かした,系統的なテストフレームワークを実証する。
論文参考訳（メタデータ） (2021-08-20T04:51:27Z)
Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
論文参考訳（メタデータ） (2021-03-12T17:00:23Z)
Rearrangement: A Challenge for Embodied AI [229.8891614821016]
Embodied AIの研究と評価のためのフレームワークについて述べる。我々の提案は正統的な課題である再配置に基づいている。 4つの異なるシミュレーション環境における再配置シナリオの実験的なテストベッドについて述べる。
論文参考訳（メタデータ） (2020-11-03T19:42:32Z)

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。