Fugu-MT 論文翻訳(概要): Vision-based Driver Assistance Systems: Survey, Taxonomy and Advances

論文の概要: Vision-based Driver Assistance Systems: Survey, Taxonomy and Advances

arxiv url: http://arxiv.org/abs/2104.12583v1
Date: Mon, 26 Apr 2021 13:53:00 GMT
ステータス: 処理完了
システム内更新日: 2021-04-27 20:05:24.505035
Title: Vision-based Driver Assistance Systems: Survey, Taxonomy and Advances
Title（参考訳）: 視覚に基づく運転支援システム:調査・分類・進歩
Authors: Jonathan Horgan, Ciar\'an Hughes, John McDonald, Senthil Yogamani
Abstract要約: ビジョンに基づく高度な運転支援システムのリストを一貫した用語で調査し、分類学を提案します。また,自律運転システムに向けて,アプリケーション開発のトップダウンビューを形式化するための抽象モデルを提案する。
参考スコア（独自算出の注目度）: 0.2698840218255534
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Vision-based driver assistance systems is one of the rapidly growing research areas of ITS, due to various factors such as the increased level of safety requirements in automotive, computational power in embedded systems, and desire to get closer to autonomous driving. It is a cross disciplinary area encompassing specialised fields like computer vision, machine learning, robotic navigation, embedded systems, automotive electronics and safety critical software. In this paper, we survey the list of vision based advanced driver assistance systems with a consistent terminology and propose a taxonomy. We also propose an abstract model in an attempt to formalize a top-down view of application development to scale towards autonomous driving system.
Abstract（参考訳）: 視覚ベースの運転支援システムは、自動車の安全性要求の高まり、組み込みシステムの計算能力、そして自動運転に近づいたいという願望など様々な要因により、急速に成長している研究分野の1つである。コンピュータビジョン、機械学習、ロボットナビゲーション、組み込みシステム、自動車エレクトロニクス、安全クリティカルソフトウェアといった専門分野を含む横断的な分野である。本稿では,一貫した用語を用いた視覚に基づく先進運転支援システムのリストを調査し,分類法を提案する。また,自律運転システムに向けて,アプリケーション開発のトップダウンビューを形式化するための抽象モデルを提案する。

関連論文リスト

Advancing Autonomous Driving Perception: Analysis of Sensor Fusion and Computer Vision Techniques [0.0]
このプロジェクトは、自動運転ロボットの理解とナビゲーション能力の向上に焦点を当てている。既存の検出と追跡アルゴリズムを用いて、未知のマップ2Dマップへのより良いナビゲーションを実現する方法について検討する。
論文参考訳（メタデータ） (2024-11-15T19:11:58Z)
Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文参考訳（メタデータ） (2024-05-14T09:42:21Z)
Empowering Autonomous Driving with Large Language Models: A Safety Perspective [82.90376711290808]
本稿では,Large Language Models (LLM) の自律運転システムへの統合について検討する。 LLMは行動計画におけるインテリジェントな意思決定者であり、文脈的安全学習のための安全検証シールドを備えている。適応型LLM条件モデル予測制御(MPC)と状態機械を用いたLLM対応対話型行動計画スキームという,シミュレーション環境における2つの重要な研究について述べる。
論文参考訳（メタデータ） (2023-11-28T03:13:09Z)
Applications of Computer Vision in Autonomous Vehicles: Methods, Challenges and Future Directions [2.693342141713236]
本稿では,過去10年間に出版されたコンピュータビジョンと自動運転に関する論文をレビューする。特に、まず自律運転システムの開発について検討し、各国の主要自動車メーカーによって開発されたこれらのシステムを要約する。そこで, 深度推定, 物体検出, 車線検出, 信号認識など, 自律運転におけるコンピュータビジョン応用の概要を概観する。
論文参考訳（メタデータ） (2023-11-15T16:41:18Z)
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)
Assessing Drivers' Situation Awareness in Semi-Autonomous Vehicles: ASP based Characterisations of Driving Dynamics for Modelling Scene Interpretation and Projection [0.0]
我々は,運転者が状況に気付いているかを判断し,人間中心の支援を提供するための枠組みを提案する。このフレームワークはロボット・オペレーティング・システム(ROS)内のモジュールシステムとして開発され、環境と運転者の状態を検知するモジュールを備えている。本稿では、運転者の解釈とシーンの投影をモデル化し、推論するAnswer Set Programming(ASP)に基づくアプローチに焦点を当てる。
論文参考訳（メタデータ） (2023-08-30T09:07:49Z)
Hardware Accelerators in Autonomous Driving [5.317893030884531]
ハードウェアアクセラレーターは、自動運転車がより高いレベルの自律性のためにパフォーマンス要件を満たすのを助ける特別な目的のコプロセッサである。本稿では,MLアクセラレータの概要と,自律走行車におけるマシンビジョンの利用例を紹介する。
論文参考訳（メタデータ） (2023-08-11T10:07:33Z)
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)
Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone Racing [52.50284630866713]
既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
論文参考訳（メタデータ） (2022-10-26T19:03:17Z)
Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文参考訳（メタデータ） (2022-07-05T16:33:20Z)
Survey of Deep Reinforcement Learning for Motion Planning of Autonomous Vehicles [0.0]
深層強化学習(DRL) 論文では、車両モデル、シミュレーション可能性、計算要求について記述する。自律運転のさまざまなタスクとレベルによって体系化された最先端のソリューションを調査します。
論文参考訳（メタデータ） (2020-01-30T09:47:22Z)

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。