論文の概要: Active Safety Envelopes using Light Curtains with Probabilistic Guarantees

• arxiv url: http://arxiv.org/abs/2107.04000v1
• Date: Thu, 8 Jul 2021 17:46:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-09 13:50:21.638459
• Title: Active Safety Envelopes using Light Curtains with Probabilistic Guarantees
• Title（参考訳）: 確率保証付き軽量カーテンを用いた能動安全封筒
• Authors: Siddharth Ancha, Gaurav Pathak, Srinivasa G. Narasimhan, David Held
• Abstract要約: 未知の環境をナビゲートするには、ロボットはダイナミックな障害を正確に知覚する必要がある。 LiDARセンサーでシーンの奥行きを直接測定する代わりに、より安価で高解像度のセンサー、プログラマブルなライトカーテンを使っています。 私たちは光カーテンを使ってシーンの安全封筒を推定します。
• 参考スコア（独自算出の注目度）: 27.5625804389892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To safely navigate unknown environments, robots must accurately perceive dynamic obstacles. Instead of directly measuring the scene depth with a LiDAR sensor, we explore the use of a much cheaper and higher resolution sensor: programmable light curtains. Light curtains are controllable depth sensors that sense only along a surface that a user selects. We use light curtains to estimate the safety envelope of a scene: a hypothetical surface that separates the robot from all obstacles. We show that generating light curtains that sense random locations (from a particular distribution) can quickly discover the safety envelope for scenes with unknown objects. Importantly, we produce theoretical safety guarantees on the probability of detecting an obstacle using random curtains. We combine random curtains with a machine learning based model that forecasts and tracks the motion of the safety envelope efficiently. Our method accurately estimates safety envelopes while providing probabilistic safety guarantees that can be used to certify the efficacy of a robot perception system to detect and avoid dynamic obstacles. We evaluate our approach in a simulated urban driving environment and a real-world environment with moving pedestrians using a light curtain device and show that we can estimate safety envelopes efficiently and effectively. Project website: https://siddancha.github.io/projects/active-safety-envelopes-with-guarantees
• Abstract（参考訳）: 未知の環境を安全にナビゲートするには、ロボットは動的障害物を正確に認識する必要がある。 LiDARセンサーでシーンの奥行きを直接測定する代わりに、より安価で高解像度のセンサー、プログラマブルなライトカーテンを使っています。 光カーテンは、ユーザーが選択した表面に沿ってのみ感知する、制御可能な深度センサーである。 ライトカーテンを使ってシーンの安全エンベロープを推定します。ロボットをすべての障害物から切り離す仮想的な表面です。 ランダムな場所(特定の分布から)を感知する光カーテンを生成することで、未知の物体を含むシーンの安全エンベロープを素早く発見できることを示す。 重要となるのは,ランダムカーテンを用いた障害物検出の可能性に関する理論的安全性の保証である。 ランダムカーテンと機械学習に基づくモデルを組み合わせて、安全封筒の動きを効率的に予測し追跡する。 本手法は,ロボット認識システムの有効性を証明し,動的障害物を検出し回避するための確率論的安全保証を提供しながら,安全封筒を正確に推定する。 本研究は,軽カーテンを用いた移動歩行者による都市走行環境と実環境のシミュレーションによるアプローチを評価し,安全エンベロープを効率的かつ効果的に推定できることを示す。 プロジェクトwebサイト: https://siddancha.github.io/projects/active-safety-envelopes-with-guarantees

関連論文リスト

• LSM: A Comprehensive Metric for Assessing the Safety of Lane Detection Systems in Autonomous Driving [0.5326090003728084]
  本研究では,車線検出システムの安全性を評価するため,車線安全基準(LSM)を提案する。 道路タイプや道路幅を考慮したシーンのセマンティクスなどの付加的要因を車線検出の評価に考慮すべきである。 我々は,異なるレーン検出手法を用いて,様々な仮想シナリオにおけるオフライン安全基準を評価し,最先端のパフォーマンス指標と比較した。
  論文  参考訳（メタデータ） (2024-07-10T15:11:37Z)
• SmartRSD: An Intelligent Multimodal Approach to Real-Time Road Surface Detection for Safe Driving [4.22695582100076]
  本稿では,音声と画像を統合することで路面条件の自動検出を実現するためのマルチモーダル手法を提案する。 本研究は,道路安全の向上と事故リスクの最小化を目的とした聴覚と視覚の融合の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-06-14T15:38:21Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Floor extraction and door detection for visually impaired guidance [78.94595951597344]
  未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。 コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。 本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:38:43Z)
• TPatch: A Triggered Physical Adversarial Patch [19.768494127237393]
  音響信号によって引き起こされる物理的対向パッチであるTPatchを提案する。 運転者の疑念を避けるため,コンテンツベースカモフラージュ法と攻撃強化法を提案する。
  論文  参考訳（メタデータ） (2023-12-30T06:06:01Z)
• Safety Shielding under Delayed Observation [59.86192283565134]
  シールドは安全な実行を保証するコンストラクション・バイ・コンストラクション・インストラクタである。 シールドは、将来の干渉が最小化される可能性が最も高い方法で、安全な修正行動を選択するべきである。 現実的な運転シミュレータにおけるシールドの最初の統合について述べる。
  論文  参考訳（メタデータ） (2023-07-05T10:06:10Z)
• Active Velocity Estimation using Light Curtains via Self-Supervised Multi-Armed Bandits [15.080816529975847]
  環境を安全に自律的にナビゲートするには、ロボットがどこに障害物があるのか、どのように動くのかを正確に見積もる必要がある。 高価な3Dセンサーを使わずに、より安価で高速で高解像度の代替品である、プログラマブルなライトカーテンを使おう。 我々は,光カーテンによる部分的測定を用いて,粒子フィルタと占有格子に基づく確率的手法を適用し,シーン内の3次元点の位置と速度を明示的に推定する。 本稿では,将来の光カーテン配置を用いて,現在の速度推定値の精度を評価する,自己監督型報酬関数を提案する。
  論文  参考訳（メタデータ） (2023-02-24T12:19:45Z)
• Event Guided Depth Sensing [50.997474285910734]
  バイオインスパイアされたイベントカメラ駆動深度推定アルゴリズムを提案する。 提案手法では,イベントカメラが検出したシーン活動に応じて,関心領域を高密度に照明する。 シミュレーションされた自律運転シーケンスと実際の屋内環境におけるアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2021-10-20T11:41:11Z)
• Sample-Efficient Safety Assurances using Conformal Prediction [57.92013073974406]
  早期警戒システムは、安全でない状況が差し迫ったときに警告を提供することができる。 安全性を確実に向上させるためには、これらの警告システムは証明可能な偽陰性率を持つべきである。 本稿では,共形予測と呼ばれる統計的推論手法とロボット・環境力学シミュレータを組み合わせたフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-28T23:00:30Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Active Perception using Light Curtains for Autonomous Driving [31.850820506272846]
  光カーテンを用いた3次元物体認識手法を提案する。 我々は、ディープラーニングに基づく3Dポイントクラウド検出器の予測不確実性を利用して、アクティブな知覚を誘導する。 我々は、不確実性誘導光カーテンを順次配置することにより、シーン内の物体を検出するために3D検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2020-08-05T15:38:18Z)

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。