論文の概要: V2V Spatiotemporal Interactive Pattern Recognition and Risk Analysis in Lane Changes

• arxiv url: http://arxiv.org/abs/2105.10688v1
• Date: Sat, 22 May 2021 11:00:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 14:55:43.326563
• Title: V2V Spatiotemporal Interactive Pattern Recognition and Risk Analysis in Lane Changes
• Title（参考訳）: V2V時空間的パターン認識とレーン変動のリスク解析
• Authors: Yue Zhang, Yajie Zou, Lingtao Wu
• Abstract要約: 自動運転車が適切な判断を下すには、車線変更分析が必要である。 本研究では,プリミティブベースの対話型パターン認識手法とリスク分析手法を組み合わせた教師なし学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.10862190530435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In complex lane change (LC) scenarios, semantic interpretation and safety analysis of dynamic interactive pattern are necessary for autonomous vehicles to make appropriate decisions. This study proposes an unsupervised learning framework that combines primitive-based interactive pattern recognition methods and risk analysis methods. The Hidden Markov Model with the Gaussian mixture model (GMM-HMM) approach is developed to decompose the LC scenarios into primitives. Then the Dynamic Time Warping (DTW) distance based K-means clustering is applied to gather the primitives to 13 types of interactive patterns. Finally, this study considers two types of time-to-collision (TTC) involved in the LC process as indicators to analyze the risk of the interactive patterns and extract high-risk LC interactive patterns. The results obtained from The Highway Drone Dataset (highD) demonstrate that the identified LC interactive patterns contain interpretable semantic information. This study explores the spatiotemporal evolution law and risk formation mechanism of the LC interactive patterns and the findings are useful for comprehensively understanding the latent interactive patterns, improving the rationality and safety of autonomous vehicle's decision-making.
• Abstract（参考訳）: 複雑な車線変化(LC)のシナリオでは、自動運転車が適切な判断を下すためには、動的対話パターンの意味論的解釈と安全性解析が必要である。 本研究では,プリミティブベースの対話型パターン認識手法とリスク分析手法を組み合わせた教師なし学習フレームワークを提案する。 ガウス混合モデル(GMM-HMM)を用いた隠れマルコフモデルを開発し,LCシナリオをプリミティブに分解する。 次に、動的時間ワープ(DTW)距離に基づくK平均クラスタリングを適用し、プリミティブを13種類のインタラクティブパターンに集約する。 最後に、LCプロセスに関わる2種類の時間対衝突(TTC)を、対話パターンのリスクを分析し、リスクの高いLCインタラクティブパターンを抽出する指標として検討する。 The Highway Drone Dataset (highD) から得られた結果は、LCインタラクティブパターンが解釈可能な意味情報を含んでいることを示している。 本研究は,lcインタラクティブパターンの時空間的進化則とリスク形成機構を探求し,潜在インタラクティブパターンの包括的理解,自律走行車の意思決定の合理性と安全性の向上に有用であることを示す。

関連論文リスト

• Imitation Learning from Observations: An Autoregressive Mixture of Experts Approach [2.4427666827706074]
  本稿では,観察から得られた模倣学習の新たなアプローチとして,専門家モデルの自己回帰混合を,その基礎となる方針に適合させる手法を提案する。 提案手法の有効性を,人間の実演から収集した2つの自律走行データセットを用いて検証した。
  論文  参考訳（メタデータ） (2024-11-12T22:56:28Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• Discovering Car-following Dynamics from Trajectory Data through Deep Learning [6.549368131882316]
  本稿では,変数交叉選択(VIS)法と統合された深部記号回帰(DSR)に基づく表現探索フレームワークを提案する。 本稿では,自動車追従力学モデルの学習における提案手法の性能について述べるとともに,その限界と今後の研究方向性について考察する。
  論文  参考訳（メタデータ） (2024-08-01T03:15:08Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• A Hierarchical Hybrid Learning Framework for Multi-agent Trajectory Prediction [4.181632607997678]
  深層学習(DL)と強化学習(RL)の階層的ハイブリッドフレームワークを提案する。 DLの段階では、トラフィックシーンは、トランスフォーマースタイルのGNNが異種相互作用を符号化するために採用される複数の中間スケールの異種グラフに分割される。 RLの段階では、DLの段階で予測される重要な将来点を利用して、交通シーンを局所的なサブシーンに分割する。
  論文  参考訳（メタデータ） (2023-03-22T02:47:42Z)
• Safe Multi-agent Learning via Trapping Regions [89.24858306636816]
  我々は、動的システムの定性理論から知られているトラップ領域の概念を適用し、分散学習のための共同戦略空間に安全セットを作成する。 本稿では,既知の学習力学を持つシステムにおいて,候補がトラップ領域を形成することを検証するための二分分割アルゴリズムと,学習力学が未知のシナリオに対するサンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-27T14:47:52Z)
• Group Gated Fusion on Attention-based Bidirectional Alignment for Multimodal Emotion Recognition [63.07844685982738]
  本稿では、LSTM隠蔽状態上の注目に基づく双方向アライメントネットワークで構成されるGBAN(Gated Bidirectional Alignment Network)と呼ばれる新しいモデルを提案する。 LSTMの最後の隠れ状態よりもアテンション整列表現の方が有意に優れていたことを実証的に示す。 提案したGBANモデルは、IEMOCAPデータセットにおける既存の最先端マルチモーダルアプローチよりも優れている。
  論文  参考訳（メタデータ） (2022-01-17T09:46:59Z)
• Dialogue Response Selection with Hierarchical Curriculum Learning [52.3318584971562]
  対話応答選択のためのマッチングモデルの学習について検討する。 近年,ランダムなネガティブは信頼度の高いモデルを学習するには自明すぎることが判明し,階層的なカリキュラム学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-29T14:06:41Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)
• Spatiotemporal Learning of Multivehicle Interaction Patterns in Lane-Change Scenarios [11.893098067272463]
  コモン・イット・チャレージング・インタラクションのシナリオの解釈は、自動運転車のしっかりとした決定に役立てることができる。 本稿では、連続(ガウス過程)および離散(ディリクレ過程)プロセスを活用するベイズ的非パラメトリックアプローチについて述べる。 提案手法は,車体ペデストリアン相互作用など,他の種類のマルチエージェント相互作用を効率的に解析することに重点を置いている。
  論文  参考訳（メタデータ） (2020-03-02T10:59:35Z)

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。