論文の概要: Pedestrian Emergence Estimation and Occlusion-Aware Risk Assessment for Urban Autonomous Driving

• arxiv url: http://arxiv.org/abs/2107.02326v1
• Date: Tue, 6 Jul 2021 00:07:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-07 13:42:18.887292
• Title: Pedestrian Emergence Estimation and Occlusion-Aware Risk Assessment for Urban Autonomous Driving
• Title（参考訳）: 都市自律運転における歩行者の出現推定と咬合認識リスク評価
• Authors: Mert Koc, Ekim Yurtsever, Keith Redmill, Umit Ozguner
• Abstract要約: 都市部における自律走行における歩行者の出現予測と排他的リスク評価システムを提案する。 まず,視覚車や歩行者などの状況情報を用いて,閉塞地域における歩行者の出現確率を推定する。 提案した制御器は安全性と快適性の観点から基準線よりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Avoiding unseen or partially occluded vulnerable road users (VRUs) is a major challenge for fully autonomous driving in urban scenes. However, occlusion-aware risk assessment systems have not been widely studied. Here, we propose a pedestrian emergence estimation and occlusion-aware risk assessment system for urban autonomous driving. First, the proposed system utilizes available contextual information, such as visible cars and pedestrians, to estimate pedestrian emergence probabilities in occluded regions. These probabilities are then used in a risk assessment framework, and incorporated into a longitudinal motion controller. The proposed controller is tested against several baseline controllers that recapitulate some commonly observed driving styles. The simulated test scenarios include randomly placed parked cars and pedestrians, most of whom are occluded from the ego vehicle's view and emerges randomly. The proposed controller outperformed the baselines in terms of safety and comfort measures.
• Abstract（参考訳）: vrus(unseed or partial occluded vulnerable road users)は、都市部の完全自動運転にとって大きな課題である。 しかし, 咬合認識リスクアセスメントシステムは広く研究されていない。 本稿では,都市自律運転における歩行者の出現推定と咬合認識リスク評価システムを提案する。 まず,可視性車や歩行者などのコンテクスト情報を用いて,遮蔽領域における歩行者の出現確率を推定する。 これらの確率はリスク評価の枠組みで使われ、縦方向のモーションコントローラに組み込まれる。 提案したコントローラは、よく見られる運転スタイルを再カプセル化するいくつかのベースラインコントローラに対してテストされる。 シミュレーションされたテストシナリオには、駐車した車や歩行者が無作為に配置されている。 提案するコントローラは,安全性と快適性の観点から,ベースラインを上回った。

関連論文リスト

• 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)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Considering Human Factors in Risk Maps for Robust and Foresighted Driver Warning [1.4699455652461728]
  本稿では,ドライバーエラーの形で人間の状態を利用する警告システムを提案する。 このシステムは、周囲の運転状況の予測を直接変更する行動プランナーのリスクマップで構成されている。 動的車線変化と交差点シナリオの異なるシミュレーションでは、運転者の行動計画がいかに危険になるかを示す。
  論文  参考訳（メタデータ） (2023-06-06T16:39:58Z)
• Evaluation of Pedestrian Safety in a High-Fidelity Simulation Environment Framework [21.456269382916062]
  本稿では,自動運転のための歩行者安全評価手法を提案する。 歩行者の安全に重要な特徴を組み込んだ高忠実度シミュレーションフレームワークを構築した。 提案手法とフレームワークは、異なる自律運転アルゴリズムにアクセスできる。
  論文  参考訳（メタデータ） (2022-10-17T03:53:50Z)
• A Probabilistic Framework for Estimating the Risk of Pedestrian-Vehicle Conflicts at Intersections [5.8366275205801985]
  本研究では,交差点における歩行者と車両の衝突リスクを推定するための確率的枠組みを提案する。 提案フレームワークは,ガウスプロセス回帰を用いた軌道予測により,一定速度の制約を緩和する。 交差点で収集した実世界のLiDARデータを用いて,提案フレームワークの性能評価を行った。
  論文  参考訳（メタデータ） (2022-07-28T15:08:41Z)
• Multi-Agent Vulnerability Discovery for Autonomous Driving with Hazard Arbitration Reward [21.627246586543542]
  本研究では,マルチエージェント強化学習に基づくAv-Responsible Scenarios (STARS) の安全性テストフレームワークを提案する。 STARSは、他の交通機関の参加者にAv-Responsible Scenariosの制作を指導し、テスト中の運転ポリシーを誤解させる。
  論文  参考訳（メタデータ） (2021-12-12T08:58:32Z)
• 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)
• A novel method of predictive collision risk area estimation for proactive pedestrian accident prevention system in urban surveillance infrastructure [6.777019450570473]
  道路交通事故は、人間の生活に深刻な脅威をもたらし、早期死亡の主な原因となっています。 歩行者の衝突を予防するためのブレークスルーは、CCTVなどの視覚センサに基づいて歩行者の潜在的なリスクを認識することです。 本研究では,無信号横断歩道における衝突リスク領域推定システムを提案する。
  論文  参考訳（メタデータ） (2021-05-06T10:29:44Z)
• AdvSim: Generating Safety-Critical Scenarios for Self-Driving Vehicles [76.46575807165729]
  我々は,任意のLiDARベースの自律システムに対して,安全クリティカルなシナリオを生成するための,敵対的フレームワークであるAdvSimを提案する。 センサデータから直接シミュレートすることにより、完全な自律スタックに対して安全クリティカルな敵シナリオを得る。
  論文  参考訳（メタデータ） (2021-01-16T23:23:12Z)
• Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts? [104.04999499189402]
  トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。 インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。 提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。 分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
  論文  参考訳（メタデータ） (2020-06-26T11:07:32Z)
• Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring [52.557003792696484]
  本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。 本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
  論文  参考訳（メタデータ） (2020-06-20T11:56:32Z)

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。