論文の概要: Constrained Sampling from a Kernel Density Estimator to Generate Scenarios for the Assessment of Automated Vehicles

• arxiv url: http://arxiv.org/abs/2107.05278v1
• Date: Mon, 12 Jul 2021 09:28:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-13 21:38:22.109796
• Title: Constrained Sampling from a Kernel Density Estimator to Generate Scenarios for the Assessment of Automated Vehicles
• Title（参考訳）: 自動車両評価のためのシナリオ生成のためのカーネル密度推定器からの制約付きサンプリング
• Authors: Erwin de Gelder, Eric Cator, Jan-Pieter Paardekooper, Olaf Op den Camp, Bart De Schutter
• Abstract要約: シナリオベースのアセスメントアプローチは、完全な安全アセスメントの一部として、この分野の多くのプレイヤーによって受け入れられている。 シナリオベースのテスト記述を生成する1つの方法は、シナリオをパラメータ化し、これらのパラメータを確率密度関数(pdf)から引き出すことである。
• 参考スコア（独自算出の注目度）: 11.191085573777237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The safety assessment of automated vehicles (AVs) is an important aspect of the development cycle of AVs. A scenario-based assessment approach is accepted by many players in the field as part of the complete safety assessment. A scenario is a representation of a situation on the road to which the AV needs to respond appropriately. One way to generate the required scenario-based test descriptions is to parameterize the scenarios and to draw these parameters from a probability density function (pdf). Because the shape of the pdf is unknown beforehand, assuming a functional form of the pdf and fitting the parameters to the data may lead to inaccurate fits. As an alternative, Kernel Density Estimation (KDE) is a promising candidate for estimating the underlying pdf, because it is flexible with the underlying distribution of the parameters. Drawing random samples from a pdf estimated with KDE is possible without the need of evaluating the actual pdf, which makes it suitable for drawing random samples for, e.g., Monte Carlo methods. Sampling from a KDE while the samples satisfy a linear equality constraint, however, has not been described in the literature, as far as the authors know. In this paper, we propose a method to sample from a pdf estimated using KDE, such that the samples satisfy a linear equality constraint. We also present an algorithm of our method in pseudo-code. The method can be used to generating scenarios that have, e.g., a predetermined starting speed or to generate different types of scenarios. This paper also shows that the method for sampling scenarios can be used in case a Singular Value Decomposition (SVD) is used to reduce the dimension of the parameter vectors.
• Abstract（参考訳）: 自動運転車(AV)の安全性評価は、AVの開発サイクルの重要な側面である。 シナリオに基づく評価アプローチは、現場の多くのプレイヤーが完全安全評価の一部として受け入れている。 シナリオとは、AVが適切に対応する必要がある道路上の状況を表すものである。 シナリオベースのテスト記述を生成する1つの方法は、シナリオをパラメータ化し、これらのパラメータを確率密度関数(pdf)から引き出すことである。 pdfの形状は事前に分かっていないため、pdfの機能形式を仮定し、パラメータをデータに適合させることで不正確な適合につながる可能性がある。 代替として、カーネル密度推定 (kde) は、基礎となるパラメータの分布と柔軟であるため、基礎となるpdfを推定する有望な候補である。 KDEで推定されたpdfからのランダムサンプルの描画は実際のpdfを評価する必要がなく、モンテカルロ法などのランダムサンプルの描画に適している。 しかしながら、サンプルが線形等式制約を満たす間、KDEからサンプリングすることは、著者が知る限り、文献では説明されていない。 本稿では,kdeを用いて推定したpdfからサンプルを抽出し,線形等式制約を満たす方法を提案する。 また,本手法のアルゴリズムを疑似コードで提示する。 この方法は、例えば、所定の開始速度を持つシナリオを生成するか、異なるタイプのシナリオを生成するために使用できる。 また,Singular Value Decomposition (SVD) を用いてパラメータベクトルの次元を縮小する場合に,シナリオをサンプリングする手法が利用可能であることを示す。

関連論文リスト

• Balancing Diversity and Risk in LLM Sampling: How to Select Your Method and Parameter for Open-Ended Text Generation [60.493180081319785]
  本稿では,各復号工程における多様性とリスクのトレードオフを考慮し,トラクションサンプリング手法の本質的な能力を推定する体系的手法を提案する。 本研究は,既存のトラクションサンプリング手法の総合的な比較と,ユーザのガイドラインとして推奨されるパラメータについて紹介する。
  論文  参考訳（メタデータ） (2024-08-24T14:14:32Z)
• Deep adaptive sampling for surrogate modeling without labeled data [4.047684532081032]
  代理モデリングのための深層適応サンプリング法(textDAS2$)を提案する。 パラメトリック設定では、残留損失関数は非正規化確率密度関数とみなすことができる。 新しいサンプルは残留誘起分布と一致し、洗練されたトレーニングセットは統計誤差をさらに減らすことができる。
  論文  参考訳（メタデータ） (2024-02-17T13:44:02Z)
• Conditional Sampling of Variational Autoencoders via Iterated Approximate Ancestral Sampling [7.357511266926065]
  変分オートエンコーダ(VAE)の条件付きサンプリングは、データ計算の欠如など、様々なアプリケーションで必要とされるが、計算上は難解である。 基本的条件付きサンプリングはMetropolis-within-Gibbs (MWG)である
  論文  参考訳（メタデータ） (2023-08-17T16:08:18Z)
• AdaNPC: Exploring Non-Parametric Classifier for Test-Time Adaptation [64.9230895853942]
  ドメインの一般化は、ターゲットのドメイン情報を活用することなく、任意に困難にすることができる。 この問題に対処するためにテスト時適応(TTA)手法が提案されている。 本研究では,テスト時間適応(AdaNPC)を行うためにNon-Parametricを採用する。
  論文  参考訳（メタデータ） (2023-04-25T04:23:13Z)
• Will My Robot Achieve My Goals? Predicting the Probability that an MDP Policy Reaches a User-Specified Behavior Target [56.99669411766284]
  自律的なシステムがタスクを実行する場合、ユーザの目標を達成する確率のキャリブレーションされた見積もりを維持する必要がある。 本稿では,ユーザの目標が目標間隔として指定される設定について検討する。 我々は、共形予測を反転させて確率推定を計算する。
  論文  参考訳（メタデータ） (2022-11-29T18:41:20Z)
• Learning from a Biased Sample [3.546358664345473]
  本稿では,テスト分布のファミリーで発生する最悪のリスクを最小限に抑える決定ルールの学習方法を提案する。 本研究では,健康調査データからメンタルヘルススコアの予測を行うケーススタディにおいて,提案手法を実証的に検証した。
  論文  参考訳（メタデータ） (2022-09-05T04:19:16Z)
• BRIO: Bringing Order to Abstractive Summarization [107.97378285293507]
  非決定論的分布を前提とした新しい学習パラダイムを提案する。 提案手法は, CNN/DailyMail (47.78 ROUGE-1) と XSum (49.07 ROUGE-1) のデータセット上で, 最新の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-31T05:19:38Z)
• Adversarial sampling of unknown and high-dimensional conditional distributions [0.0]
  本稿では, GAN (Generative Adversarial Network) と呼ばれるデータ駆動方式を用いて, サンプリング法と基礎分布の推定を行う。 GANは、2つの競合するニューラルネットワークをトレーニングし、トレーニングセット分布からサンプルを効果的に生成できるネットワークを生成する。 提案アルゴリズムのすべてのバージョンは, 対象条件分布を, サンプルの品質に最小限の影響で効果的にサンプリングできることが示されている。
  論文  参考訳（メタデータ） (2021-11-08T12:23:38Z)
• Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
  多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。 提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
  論文  参考訳（メタデータ） (2021-06-07T17:44:49Z)
• Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
  本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。 そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
  論文  参考訳（メタデータ） (2020-09-07T13:01:45Z)
• Variational Autoencoder with Embedded Student-$t$ Mixture Model for Authorship Attribution [13.196225569878761]
  候補作家の有限セットと対応するラベル付きテキストが与えられた場合、著者のどちらが匿名または論争されたテキストの別のセットを書いたかを決定することが目的である。 本稿では,この教師付き分類タスクを扱う確率論的自動符号化フレームワークを提案する。 Amazonのレビューデータセットに対する実験は、提案手法の優れた性能を示している。
  論文  参考訳（メタデータ） (2020-05-28T11:52:32Z)

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。