Fugu-MT 論文翻訳(概要): From driving automation systems to autonomous vehicles: clarifying the terminology

論文の概要: From driving automation systems to autonomous vehicles: clarifying the terminology

arxiv url: http://arxiv.org/abs/2103.10844v1
Date: Fri, 19 Mar 2021 14:53:15 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 14:35:38.836305
Title: From driving automation systems to autonomous vehicles: clarifying the terminology
Title（参考訳）: 自動運転システムから自動運転車へ:用語を明確に
Authors: David Fern\'andez Llorca
Abstract要約: 多くの用語が相互に使用され、誤用と混乱を引き起こします。それぞれの概念を対応する場所に配置できる明確な用語を確立することがますます必須になっている。
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: The terminological landscape is rather cluttered when referring to autonomous driving or vehicles. A plethora of terms are used interchangeably, leading to misuse and confusion. With its technological, social and legal progress, it is increasingly imperative to establish a clear terminology that allows each concept to be placed in its corresponding place.
Abstract（参考訳）: 用語のランドスケープは、自動運転や自動車に言及するときは、ややぎこちない。用語の多用は相互に使われ、誤用や混乱を招く。技術的、社会的、法的進歩により、それぞれの概念を対応する場所に配置できる明確な用語を確立することがますます不可欠になっている。

関連論文リスト

Embodied Understanding of Driving Scenarios [44.21311841582762]
身体的な場面理解は、自律的なエージェントがオープンな運転シナリオを理解し、解釈し、反応するための基盤となる。本稿では,広い空間空間と時間空間を持つ運転シーンに対するエージェントの理解に適した包括的枠組みであるEmbodied Language Model (ELM)を紹介する。 ELMは、空間的ローカライゼーション能力の強いエージェントを実現するために、空間認識事前トレーニングを組み込んでいる。
論文参考訳（メタデータ） (2024-03-07T15:39:18Z)
On the Road with GPT-4V(ision): Early Explorations of Visual-Language Model on Autonomous Driving [37.617793990547625]
本報告では,最新のVLMであるGPT-4Vの徹底的な評価を行う。我々は、シーンを駆動し、決定を下し、最終的にはドライバーの能力で行動する、モデルを理解する能力について探求する。 GPT-4Vは,既存の自律システムと比較して,シーン理解や因果推論において優れた性能を示した。
論文参考訳（メタデータ） (2023-11-09T12:58:37Z)
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)
Drive Anywhere: Generalizable End-to-end Autonomous Driving with Multi-modal Foundation Models [114.69732301904419]
本稿では、画像とテキストで検索可能な表現から、運転決定を提供することができる、エンドツーエンドのオープンセット(環境/シーン)自律運転を適用するアプローチを提案する。当社のアプローチでは, 多様なテストにおいて非並列的な結果を示すと同時に, アウト・オブ・ディストリビューションの状況において, はるかに高いロバスト性を実現している。
論文参考訳（メタデータ） (2023-10-26T17:56:35Z)
Terminology-Aware Translation with Constrained Decoding and Large Language Model Prompting [11.264272119913311]
我々は、WMT 2023用語翻訳タスクを提出する。私たちは、ドメインに依存しない、最小限の手作業を必要とするトランスレーション-then-refineアプローチを採用しています。その結果,我々の用語認識モデルは,効率的に用語を組み込むことができることがわかった。
論文参考訳（メタデータ） (2023-10-09T16:08:23Z)
Spatial Intelligence of a Self-driving Car and Rule-Based Decision Making [0.0]
複雑な交通状況下での自動運転車の人間的な動作を実現するために,ルールに基づく意思決定と従来の動作計画手法を組み合わせる方法について述べる。
論文参考訳（メタデータ） (2023-08-02T11:27:41Z)
Exploring Contextual Representation and Multi-Modality for End-to-End Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文参考訳（メタデータ） (2022-10-13T05:56:20Z)
End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文参考訳（メタデータ） (2021-04-28T07:54:40Z)
Machine Semiotics [0.0]
音声補助装置では、人間の発話の機械固有の意味の学習が十分であると考えられる。認知的加熱装置の極めて自明な例を用いて、この過程を発話意味ペア(UMP)の強化学習として定式化することができることを示す。
論文参考訳（メタデータ） (2020-08-24T15:49:54Z)
Explicit Domain Adaptation with Loosely Coupled Samples [85.9511585604837]
本稿では,ドメイン間の明示的なマッピングを学習するトランスファーラーニングフレームワークを提案する。その解釈可能性のために、これは自律運転のような安全クリティカルなアプリケーションにとって有益である。
論文参考訳（メタデータ） (2020-04-24T21:23:45Z)
Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
論文参考訳（メタデータ） (2020-01-03T11:16:41Z)

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。