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/2105.09446v2
- Date: Sat, 22 May 2021 13:06:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-29 19:59:10.787976
- 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
- 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) - Safe and Generalized end-to-end Autonomous Driving System with Reinforcement Learning and Demonstrations [15.853453814447471]
インテリジェントな運転システムは、現在の環境と車両状態に基づいて、適切な運転戦略を動的に定式化することができるべきである。
強化学習と模倣学習に基づく既存の手法は、安全性の低下、一般化の低さ、非効率サンプリングに悩まされている。
複雑・多種多様なシナリオを対象とした安全で汎用的なエンドツーエンド自動運転システムを提案する。
論文 参考訳(メタデータ) (2024-01-22T09:44:16Z) - 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) - Toward collision-free trajectory for autonomous and pilot-controlled
unmanned aerial vehicles [1.018017727755629]
本研究は、高度衝突管理手法の開発において、PilotAware Ltdが入手した電子情報(EC)をより活用するものである。
DACM手法の利点は、空中衝突を避けるための広範囲なシミュレーションと実世界のフィールドテストによって実証されてきた。
論文 参考訳(メタデータ) (2023-09-18T18:24:31Z) - Rethinking Integration of Prediction and Planning in Deep Learning-Based
Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。
我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文 参考訳(メタデータ) (2023-08-10T17:53:03Z) - 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) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳(メタデータ) (2021-09-03T13:33:33Z) - 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。