論文の概要: A Review of Autonomous Road Vehicle Integrated Approaches to an Emergency Obstacle Avoidance Maneuver

• arxiv url: http://arxiv.org/abs/2105.09446v1
• Date: Thu, 20 May 2021 01:11:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 21:48:09.761528
• Title: A Review of Autonomous Road Vehicle Integrated Approaches to an Emergency Obstacle Avoidance Maneuver
• Title（参考訳）: 緊急障害物回避マニキュアへの自律走行車統合アプローチの展望
• Authors: Evan Lowe, Levent Guven\c{c}
• Abstract要約: 本原稿は緊急障害物回避操作(EOAM)に不可欠なシステムに焦点を当てている。 高速道路での走行のニュアンスを考慮しつつ、関連する各システムの最先端を識別する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: As passenger vehicle technologies have advanced, so have their capabilities to avoid obstacles, especially with developments in tires, suspensions, steering, as well as safety technologies like ABS, ESC, and more recently, ADAS systems. However, environments around passenger vehicles have also become more complex, and dangerous. There have previously been studies that outline driver tendencies and performance capabilities when attempting to avoid obstacles while driving passenger vehicles. Now that autonomous vehicles are being developed with obstacle avoidance capabilities, it is important to target performance that meets or exceeds that of human drivers. This manuscript highlights systems that are crucial for an emergency obstacle avoidance maneuver (EOAM) and identifies the state-of-the-art for each of the related systems, while considering the nuances of traveling at highway speeds. Some of the primary EOAM-related systems/areas that are discussed in this review are: general path planning methods, system hierarchies, decision-making, trajectory generation, and trajectory-tracking control methods. After concluding remarks, suggestions for future work which could lead to an ideal EOAM development, are discussed.
• Abstract（参考訳）: 旅客車両の技術が進歩するにつれて、特にタイヤ、サスペンション、ステアリング、ABS、ESC、最近ではADASシステムといった安全技術の開発において、障害物を避ける能力を持つようになった。 しかし、乗用車を取り巻く環境はより複雑で危険なものになっている。 以前は、乗用車の運転中に障害物を避けようとするドライバーの傾向と性能を概説する研究があった。 現在、自動運転車は障害物回避機能を備えた開発が進んでいるため、人間のドライバーを満足または超越した性能を目標にすることが重要である。 本本書は,緊急障害物回避操作(eoam)に不可欠なシステムを強調し,高速道路走行時のニュアンスを考慮しながら,関連するシステム毎の最先端を特定する。 このレビューで議論されているeoam関連システム/領域は、一般的な経路計画法、システム階層、意思決定、軌道生成、軌道追跡制御法である。 コメントを締めくくった後、理想的なEOAM開発に繋がる将来の仕事の提案について論じる。

関連論文リスト

• A Computer Vision Approach for Autonomous Cars to Drive Safe at Construction Zone [0.0]
  自律運転システム(ADS)を搭載した車は、適応クルーズ制御、衝突警報、自動駐車など、様々な最先端機能を備えている。 本稿では,多様なドリフト条件下で構築ゾーンや機能で動作可能なコンピュータビジョン技術を利用した,革新的で高精度な道路障害物検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-24T07:11:00Z)
• 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)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Deep Reinforcement Learning for Advanced Longitudinal Control and Collision Avoidance in High-Risk Driving Scenarios [0.0]
  本研究では, 縦方向制御と衝突回避のための深部強化学習に基づく新しいアルゴリズムを提案する。 シミュレーションされた高リスクシナリオにおけるその実装は、従来のシステムが通常失敗する密集した交通で緊急ブレーキを伴い、衝突の可能性のある衝突を防ぐアルゴリズム能力を実証している。
  論文  参考訳（メタデータ） (2024-04-29T19:58:34Z)
• Generative AI for Unmanned Vehicle Swarms: Challenges, Applications and Opportunities [84.00105187866806]
  Generative AI(GAI)は、無人車両群におけるこれらの課題を解決する大きな可能性を提供する。 本稿では,無人車及び無人車群の概要と,その利用事例と既存課題について述べる。 そこで本研究では,無人車両群におけるGAIの適用状況と課題について,さまざまな知見と議論を加えて概説する。
  論文  参考訳（メタデータ） (2024-02-28T05:46:23Z)
• Scalable Decentralized Cooperative Platoon using Multi-Agent Deep Reinforcement Learning [2.5499055723658097]
  本稿では,交通流と安全を向上する車両小隊方式を提案する。 Unity 3Dゲームエンジンで深層強化学習を用いて開発されている。 提案した小隊モデルは、スケーラビリティ、分散化、ポジティブな協力の促進に重点を置いている。
  論文  参考訳（メタデータ） (2023-12-11T22:04:38Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• 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)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)
• Deep Reinforcement Learning Controller for 3D Path-following and Collision Avoidance by Autonomous Underwater Vehicles [0.0]
  自律型水中車両のような複雑なシステムでは、意思決定は簡単ではない。 本稿では,最先端のDeep Reinforcement Learning(DRL)技術を用いた解を提案する。 本研究は,自律走行車システムにおける人間レベルの意思決定に向けた衝突回避と経路追従におけるDRLの実現可能性を示すものである。
  論文  参考訳（メタデータ） (2020-06-17T11:54:53Z)

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。