論文の概要: 4C: A Computation, Communication, and Control Co-Design Framework for CAVs

• arxiv url: http://arxiv.org/abs/2107.01142v1
• Date: Fri, 2 Jul 2021 15:36:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-05 16:17:21.694388
• Title: 4C: A Computation, Communication, and Control Co-Design Framework for CAVs
• Title（参考訳）: 4C: CAVのための計算・通信・制御の共同設計フレームワーク
• Authors: Liangkai Liu, Shaoshan Liu, and Weisong Shi
• Abstract要約: 接続された自動運転車(CAV)は、安全性と効率の面で有望である。 本稿では,CAVのエンド・ツー・エンド設計原則である4Cについて述べる。 プログラム可能な通信、細粒度の不均一な計算、および4Cでの効率的な車両制御により、CAVは重要なシナリオを処理し、エネルギー効率の高い自動運転を実現することができる。
• 参考スコア（独自算出の注目度）: 2.110493050675827
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Connected and autonomous vehicles (CAVs) are promising due to their potential safety and efficiency benefits and have attracted massive investment and interest from government agencies, industry, and academia. With more computing and communication resources are available, both vehicles and edge servers are equipped with a set of camera-based vision sensors, also known as Visual IoT (V-IoT) techniques, for sensing and perception. Tremendous efforts have been made for achieving programmable communication, computation, and control. However, they are conducted mainly in the silo mode, limiting the responsiveness and efficiency of handling challenging scenarios in the real world. To improve the end-to-end performance, we envision that future CAVs require the co-design of communication, computation, and control. This paper presents our vision of the end-to-end design principle for CAVs, called 4C, which extends the V-IoT system by providing a unified communication, computation, and control co-design framework. With programmable communications, fine-grained heterogeneous computation, and efficient vehicle controls in 4C, CAVs can handle critical scenarios and achieve energy-efficient autonomous driving. Finally, we present several challenges to achieving the vision of the 4C framework.
• Abstract（参考訳）: コネクテッド・自動運転車(CAV)は、安全性と効率の面で有望であり、政府機関、産業、学界から多額の投資と関心を集めている。 より多くのコンピューティングと通信リソースが利用可能であるため、車両とエッジサーバは、感知と知覚のために、Visual IoT(V-IoT)技術として知られる一連のカメラベースの視覚センサーを備えている。 プログラム可能な通信、計算、制御を実現するために、多くの努力がなされている。 しかし、それらは主にサイロモードで行われ、現実世界で挑戦的なシナリオを扱う応答性と効率を制限している。 エンド・ツー・エンドの性能を向上させるために,将来のCAVはコミュニケーション,計算,制御の共設計を必要とする。 本稿では,CAVのエンドツーエンド設計原則である4Cについて,統一的な通信,計算,協調設計のフレームワークを提供することで,V-IoTシステムを拡張したビジョンを述べる。 プログラマブルなコミュニケーション、細かな異種計算、そして4cの効率的な車両制御により、cavsは重要なシナリオを処理し、エネルギー効率の良い自動運転を実現することができる。 最後に,4cフレームワークのビジョンを実現するための課題をいくつか提示する。

関連論文リスト

• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
  UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。 CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。 さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
  論文  参考訳（メタデータ） (2024-05-18T12:45:00Z)
• Enhanced Cooperative Perception for Autonomous Vehicles Using Imperfect Communication [0.24466725954625887]
  本稿では,制約通信下での協調知覚(CP)の最適化を実現するための新しい手法を提案する。 私たちのアプローチの核心は、視覚範囲を拡大するために、利用可能なフロント車両のリストから最高のヘルパーを募集することだ。 本研究は,協調知覚の全体的な性能向上における2段階最適化プロセスの有効性を実証するものである。
  論文  参考訳（メタデータ） (2024-04-10T15:37:15Z)
• Collaborative Perception for Connected and Autonomous Driving: Challenges, Possible Solutions and Opportunities [10.749959052350594]
  コネクテッド・自動運転車(CAV)との協調的な認識は、これらの制限を克服するための有望な解決策である。 本稿では、まず、データ共有の非同期性、データボリューム、エラーの対応など、協調的な知覚の課題を識別する。 本稿では,チャネル認識型協調認識フレームワークである通信効率と遅延問題に対処する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-03T05:33:14Z)
• 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)
• Shared Information-Based Safe And Efficient Behavior Planning For Connected Autonomous Vehicles [6.896682830421197]
  我々は、連結自動運転車のための統合情報共有と安全なマルチエージェント強化学習フレームワークを設計する。 まず、重畳畳み込み畳み込みニューラルネットワーク(CNN)を用いて、生画像とポイントクラウドのLIDARデータを各自動運転車でローカルに処理する。 次に、車両の局部観測とV2V通信を介して受信した情報の両方を利用する安全なアクター批判アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2023-02-08T20:31:41Z)
• Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
  本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。 擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:08:31Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• Transferable Deep Reinforcement Learning Framework for Autonomous Vehicles with Joint Radar-Data Communications [69.24726496448713]
  本稿では,AVの最適決定を支援するために,マルコフ決定プロセス(MDP)に基づくインテリジェントな最適化フレームワークを提案する。 そこで我々は,近年の深層強化学習技術を活用した効果的な学習アルゴリズムを開発し,AVの最適方針を見出す。 提案手法は,従来の深部強化学習手法と比較して,AVによる障害物ミス検出確率を最大67%削減することを示す。
  論文  参考訳（メタデータ） (2021-05-28T08:45:37Z)
• A Multi-Agent Reinforcement Learning Approach For Safe and Efficient Behavior Planning Of Connected Autonomous Vehicles [21.132777568170702]
  我々は、コネクテッド・自動運転車のための情報共有型強化学習フレームワークを設計する。 提案手法は, 平均速度と快適性の観点から, CAV システムの効率性を向上させることができることを示す。 我々は,共用視覚が早期に障害物を観測し,交通渋滞を避けるために行動を起こすのに役立つことを示すために,障害物回避シナリオを構築した。
  論文  参考訳（メタデータ） (2020-03-09T19:15:30Z)

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。