論文の概要: A Hierarchical State-Machine-Based Framework for Platoon Manoeuvre Descriptions

• arxiv url: http://arxiv.org/abs/2104.05305v1
• Date: Mon, 12 Apr 2021 09:25:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-13 13:57:35.154168
• Title: A Hierarchical State-Machine-Based Framework for Platoon Manoeuvre Descriptions
• Title（参考訳）: 小隊マヌーブル記述のための階層型状態機械ベースフレームワーク
• Authors: Corvin Deboeser, Jordan Ivanchev, Thomas Braud, Alois Knoll, David Eckhoff, Alberto Sangiovanni-Vincentelli
• Abstract要約: 本稿では,自動小隊操作の設計と記述を簡略化するSEADフレームワークを提案する。 Manoeuvre Design Language は機械可読フォーマットで操作を構造的に記述するために開発された。
• 参考スコア（独自算出の注目度）: 0.29360071145551064
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper introduces the SEAD framework that simplifies the process of designing and describing autonomous vehicle platooning manoeuvres. Although a large body of research has been formulating platooning manoeuvres, it is still challenging to design, describe, read, and understand them. This difficulty largely arises from missing formalisation. To fill this gap, we analysed existing ways of describing manoeuvres, derived the causes of difficulty, and designed a framework that simplifies the manoeuvre design process. Alongside, a Manoeuvre Design Language was developed to structurally describe manoeuvres in a machine-readable format. Unlike state-of-the-art manoeuvre descriptions that require one state machine for every participating vehicle, the SEAD framework allows describing any manoeuvre from the single perspective of the platoon leader. %As a proof of concept, the proposed framework was implemented in the mixed traffic simulation environment BEHAVE for an autonomous highway scenario. Using this framework, we implemented several manoeuvres as they were described in literature. To demonstrate the applicability of the framework, an experiment was performed to evaluate the execution time performance of multiple alternatives of the Join-Middle manoeuvre. This proof-of-concept experiment revealed that the manoeuvre execution time can be reduced by 28 \% through parallelising various steps without considerable secondary effects. We hope that the SEAD framework will pave the way for further research in the area of new manoeuvre design and optimisation by largely simplifying and unifying platooning manoeuvre representation.
• Abstract（参考訳）: 本稿では,自動小隊操作の設計と記述を簡略化するSEADフレームワークを提案する。 多数の研究が小隊形を定式化しているが、それらを設計し、記述し、読み、理解することは依然として困難である。 この困難は形式化の欠如から生じる。 このギャップを埋めるために,既存の操作方法を分析し,難易度の原因を導出し,操作設計プロセスを単純化するフレームワークを設計した。 また、機械可読形式のマヌーヴルを構造的に記述するためにマヌーヴル設計言語が開発された。 あらゆる参加車両に1つの状態マシンを必要とする最先端の操作記述とは異なり、SEADフレームワークは小隊リーダーの単一視点からあらゆる操作を記述することができる。 %) として, 高速道路における混在交通シミュレーション環境であるBEHAVEにおいて, 提案手法を実装した。 この枠組みを用いて,文献に記述されたいくつかの操作を実装した。 フレームワークの適用性を実証するため、Join-Middle操作の複数の代替品の実行時間性能を評価する実験を行った。 この概念実証実験により, 種々のステップを並列化することにより, 操作時間を28 %削減できることがわかった。 我々はSEADフレームワークが、新しい操作設計と最適化の領域におけるさらなる研究の道を開くことを願っている。

関連論文リスト

• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Autonomous Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesデータセットで行った実験は、DiFSDの優れた計画性能と優れた効率を示す。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• SparseDrive: End-to-End Autonomous Driving via Sparse Scene Representation [11.011219709863875]
  我々はSparseDriveという新しいエンドツーエンドの自動運転パラダイムを提案する。 SparseDriveは対称なスパース認識モジュールとパラレルモーションプランナーで構成されている。 動作予測と計画について,これら2つの課題の相似性を概観し,運動プランナの並列設計に繋がる。
  論文  参考訳（メタデータ） (2024-05-30T02:13:56Z)
• A framework for conditional diffusion modelling with applications in motif scaffolding for protein design [11.346153061528504]
  バインダーや酵素設計などの多くのタンパク質設計用途では、高い精度で構造モチーフの足場を作る必要がある。 微分拡散過程に基づく生成的モデリングパラダイムがこのモチーフ足場問題に対処する主要な候補として浮上した。 本稿では,数学的によく理解されたDoobのh-transformに基づいて,既存の条件付きトレーニングプロトコルの新しいバリエーションを提案する。
  論文  参考訳（メタデータ） (2023-12-14T18:57:56Z)
• Coarse-to-Fine Concept Bottleneck Models [9.910980079138206]
  この研究は、アンテホック解釈可能性、特に概念ボトルネックモデル(CBM)をターゲットにしている。 我々のゴールは、人間の理解可能な概念を2段階の粒度で、高度に解釈可能な意思決定プロセスを認めるフレームワークを設計することである。 この枠組みでは、概念情報は全体像と一般的な非構造概念の類似性にのみ依存せず、画像シーンのパッチ固有の領域に存在するより粒度の細かい概念情報を発見・活用するために概念階層の概念を導入している。
  論文  参考訳（メタデータ） (2023-10-03T14:57:31Z)
• Universal Information Extraction as Unified Semantic Matching [54.19974454019611]
  情報抽出を,異なるタスクやスキーマで共有される構造化と概念化という,2つの能力に分割する。 このパラダイムに基づいて、統一意味マッチングフレームワークを用いて様々なIEタスクを普遍的にモデル化することを提案する。 このように、USMはスキーマと入力テキストを共同でエンコードし、サブ構造を一様に並列に抽出し、必要に応じてターゲット構造を制御できる。
  論文  参考訳（メタデータ） (2023-01-09T11:51:31Z)
• NMR: Neural Manifold Representation for Autonomous Driving [2.2596039727344452]
  本研究では,有限地平線上の多様体上の意味論を推論し,経路点を予測する自律運転の表現を提案する。 本研究では, 周辺単分子画像と部分エゴ車状態の潜時高次元埋め込みに適用した反復的注意機構を用いてこれを行う。 本研究では,BEV占有格子のエッジ適応被覆損失に基づくサンプリングアルゴリズムを提案し,表面多様体を生成する。
  論文  参考訳（メタデータ） (2022-05-11T14:58:08Z)
• Multi-lane Cruising Using Hierarchical Planning and Reinforcement Learning [3.7438459768783794]
  マルチレーンの巡航には、車線変更と車線内操作を用い、良好な速度を達成し、安全を維持する必要がある。 本稿では,階層型強化学習フレームワークと新しい状態-作用空間抽象化を組み合わせることで,自律型マルチレーンクルーズの設計を提案する。
  論文  参考訳（メタデータ） (2021-10-01T21:03:39Z)
• Weakly But Deeply Supervised Occlusion-Reasoned Parametric Layouts [87.370534321618]
  複雑な道路シーンのRGBイメージをインプットとして単一の視点で捉えたエンドツーエンドのネットワークを提案し、パースペクティブ空間における閉塞性のあるレイアウトを創出する。 私たちのメソッドで必要とされる唯一の人間のアノテーションは、より安価で入手しにくいパラメトリック属性です。 私たちは、KITTIとNuScenesという2つの公開データセットのアプローチを検証し、人間の監督を大幅に低下させることで、最先端の結果を実現します。
  論文  参考訳（メタデータ） (2021-04-14T09:32:29Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)
• Perceive, Predict, and Plan: Safe Motion Planning Through Interpretable Semantic Representations [81.05412704590707]
  本稿では,自動運転車の協調認識,予測,動作計画を行うエンド・ツー・エンドの学習可能なネットワークを提案する。 私たちのネットワークは、人間のデモからエンドツーエンドに学習されます。
  論文  参考訳（メタデータ） (2020-08-13T14:40:46Z)

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。