論文の概要: Autonomous Driving Strategies at Intersections: Scenarios, State-of-the-Art, and Future Outlooks

• arxiv url: http://arxiv.org/abs/2106.13052v1
• Date: Thu, 24 Jun 2021 14:23:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-25 14:59:28.081988
• Title: Autonomous Driving Strategies at Intersections: Scenarios, State-of-the-Art, and Future Outlooks
• Title（参考訳）: 交差点での自動運転戦略:シナリオ,最新技術,今後の展望
• Authors: Lianzhen Wei, Zirui Li, Jianwei Gong, Cheng Gong, Jiachen Li
• Abstract要約: 本稿では,交差点における最先端の自動運転戦略について概説する。 我々は、共通タイプの交差点シナリオ、対応するシミュレーションプラットフォーム、および関連するデータセットを列挙し分析する。
• 参考スコア（独自算出の注目度）: 13.501326944420612
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the complex and dynamic character of intersection scenarios, the autonomous driving strategy at intersections has been a difficult problem and a hot point in the research of intelligent transportation systems in recent years. This paper gives a brief summary of state-of-the-art autonomous driving strategies at intersections. Firstly, we enumerate and analyze common types of intersection scenarios, corresponding simulation platforms, as well as related datasets. Secondly, by reviewing previous studies, we have summarized characteristics of existing autonomous driving strategies and classified them into several categories. Finally, we point out problems of the existing autonomous driving strategies and put forward several valuable research outlooks.
• Abstract（参考訳）: 交差点シナリオの複雑でダイナミックな特徴から,近年のインテリジェント交通システム研究において,交差点における自律運転戦略は難しい問題であり,ホットポイントとなっている。 本稿では交差点における最先端の自動運転戦略について概説する。 まず、共通タイプの交差点シナリオ、対応するシミュレーションプラットフォーム、および関連するデータセットを列挙し分析する。 第2に,これまでの研究を概観し,既存の自動運転戦略の特徴を整理し,いくつかのカテゴリに分類した。 最後に、既存の自動運転戦略の問題点を指摘し、いくつかの貴重な研究展望を提示する。

関連論文リスト

• Interaction-Aware Decision-Making for Autonomous Vehicles in Forced Merging Scenario Leveraging Social Psychology Factors [7.812717451846781]
  インタラクションドライバの社会的行動と個人的目的の両方を取り入れた行動モデルを考える。 我々は、他のドライバーの意図をオンラインで見積もる、後退する水平制御に基づく意思決定戦略を開発する。
  論文  参考訳（メタデータ） (2023-09-25T19:49:14Z)
• The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
  我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。 異なる統合原則の意味、強み、限界について論じる。
  論文  参考訳（メタデータ） (2023-08-10T17:53:03Z)
• NeurIPS 2022 Competition: Driving SMARTS [60.948652154552136]
  ドライビングSMARTSは、動的相互作用コンテキストにおける分散シフトに起因する問題に対処するために設計された定期的な競争である。 提案するコンペティションは,強化学習(RL)やオフライン学習など,方法論的に多様なソリューションをサポートする。
  論文  参考訳（メタデータ） (2022-11-14T17:10:53Z)
• Learning Interactive Driving Policies via Data-driven Simulation [125.97811179463542]
  データ駆動シミュレータは、ポリシー学習の駆動に高いデータ効率を約束する。 小さな基盤となるデータセットは、インタラクティブな運転を学ぶための興味深い、挑戦的なエッジケースを欠いていることが多い。 本研究では,ロバストな運転方針の学習に塗装されたアドカーを用いたシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2021-11-23T20:14:02Z)
• A Reinforcement Learning Benchmark for Autonomous Driving in Intersection Scenarios [11.365750371241154]
  本稿では,RL-CISと呼ばれる複雑な交差点シナリオにおける自律走行エージェントの訓練と試験のためのベンチマークを提案する。 テストベンチマークとベースラインは、交差点シナリオにおける自動運転のためのRLの研究のための公平で包括的なトレーニングおよびテストプラットフォームを提供する。
  論文  参考訳（メタデータ） (2021-09-22T07:38:23Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Deep Structured Reactive Planning [94.92994828905984]
  自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。 本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
  論文  参考訳（メタデータ） (2021-01-18T01:43:36Z)
• A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge [49.976633450740145]
  本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。 我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
  論文  参考訳（メタデータ） (2020-10-23T18:07:48Z)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)
• 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。

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。