Fugu-MT 論文翻訳(概要): A Factor Graph-based approach to vehicle sideslip angle estimation

論文の概要: A Factor Graph-based approach to vehicle sideslip angle estimation

arxiv url: http://arxiv.org/abs/2107.09815v1
Date: Wed, 21 Jul 2021 00:25:06 GMT
ステータス: 処理完了
システム内更新日: 2021-07-22 14:04:48.350710
Title: A Factor Graph-based approach to vehicle sideslip angle estimation
Title（参考訳）: 因子グラフに基づく車両側面スリップ角推定法
Authors: Antonio Leanza, Giulio Reina and Jose-Luis Blanco-Claraco
Abstract要約: 本研究は,問題を直接グラフィカルモデル(要素グラフ)としてモデル化することを提案する。実車用データセットによる実験結果から, 推定側角と実側角との良好な一致が得られた。
参考スコア（独自算出の注目度）: 0.8701566919381223
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Sideslip angle is an important variable for understanding and monitoring vehicle dynamics but it lacks an inexpensive method for direct measurement. Therefore, it is typically estimated from inertial and other proprioceptive sensors onboard using filtering methods from the family of the Kalman Filter. As a novel alternative, this work proposes modelling the problem directly as a graphical model (factor graph), which can then be optimized using a variety of methods, such as whole dataset batch optimization for offline processing or fixed-lag smoother for on-line operation. Experimental results on real vehicle datasets validate the proposal with a good agreement between estimated and actual sideslip angle, showing similar performance than the state-of-the-art with a great potential for future extensions due to the flexible mathematical framework.
Abstract（参考訳）: サイドスリップ角は車両のダイナミクスを理解し監視するための重要な変数であるが、安価な直接測定方法が欠けている。したがって、通常はカルマンフィルタのファミリーのフィルタ法を用いて、慣性や他のプロバイオセプティブセンサーから推定される。新たな方法として,オフライン処理のデータセットバッチ最適化やオンライン操作の固定ラグスムーズ化など,さまざまな手法を用いて最適化可能なグラフィカルモデル(ファクタグラフ)として,この問題を直接モデル化することを提案する。実車用データセットによる実験結果から,提案手法を推定値と実際のサイドリップ角度とで良好な一致で検証し,最新技術と同等の性能を示し,フレキシブルな数学的枠組みによる将来の拡張の可能性を示した。

関連論文リスト

Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。合成データと実データの両方の実験により,提案手法の有効性が示された。
論文参考訳（メタデータ） (2024-07-10T02:37:36Z)
Interactive Graph Convolutional Filtering [79.34979767405979]
インタラクティブ・レコメンダ・システム(IRS)は、パーソナライズされた記事レコメンデーション、ソーシャルメディア、オンライン広告など、さまざまな領域でますます利用されている。これらの問題は、コールドスタート問題とデータスポーサリティ問題によって悪化する。既存のMulti-Armed Bandit手法は、慎重に設計された探査戦略にもかかわらず、しばしば初期の段階で満足な結果を提供するのに苦労する。提案手法は,ユーザとアイテム間の協調フィルタリング性能を向上させるため,協調フィルタリングをグラフモデルに拡張する。
論文参考訳（メタデータ） (2023-09-04T09:02:31Z)
Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
論文参考訳（メタデータ） (2023-07-20T15:21:28Z)
Parameter Estimation in DAGs from Incomplete Data via Optimal Transport [24.740382124473975]
我々は、理論的な枠組みを開発し、我々のアプローチの堅牢性と汎用性を示す広範な実証的な証拠でそれを支援する。提案手法は, 地中構造パラメータを効果的に復元するだけでなく, 下流アプリケーション上でのベースラインの競合よりも, 比較可能か, あるいは優れていることを示す。
論文参考訳（メタデータ） (2023-05-25T10:54:36Z)
MACE: An Efficient Model-Agnostic Framework for Counterfactual Explanation [132.77005365032468]
MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。 MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
論文参考訳（メタデータ） (2022-05-31T04:57:06Z)
Rethinking Efficient Lane Detection via Curve Modeling [37.45243848960598]
提案手法は,LLAMASベンチマークにおける最先端性能を実現する。また、TuSimpleとCUデータセットに対して、低レイテンシ (> 150 FPS) と小さなモデルサイズ (10M) の両方を維持しながら、良好な精度を実現している。
論文参考訳（メタデータ） (2022-03-04T17:00:33Z)
Efficient Globally-Optimal Correspondence-Less Visual Odometry for Planar Ground Vehicles [23.910735789004075]
我々は、平面に基づくアッカーマン運動推定に対して、最初の世界最適対応のない解を導入する。我々は、その大域的最適性の性質を証明し、局所的に一定の回転中心を仮定する影響を分析する。
論文参考訳（メタデータ） (2022-03-01T08:49:21Z)
Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。各種データセットを用いた実験により,提案手法が最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-11T03:25:25Z)
Tracking Performance of Online Stochastic Learners [57.14673504239551]
オンラインアルゴリズムは、大規模なバッチにデータを保存したり処理したりすることなく、リアルタイムで更新を計算できるため、大規模な学習環境で人気がある。一定のステップサイズを使用すると、これらのアルゴリズムはデータやモデル特性などの問題パラメータのドリフトに適応し、適切な精度で最適解を追跡する能力を持つ。定常仮定に基づく定常状態性能とランダムウォークモデルによるオンライン学習者の追跡性能の関連性を確立する。
論文参考訳（メタデータ） (2020-04-04T14:16:27Z)
Variational Inference with Parameter Learning Applied to Vehicle Trajectory Estimation [20.41604350878599]
雑音測定のみを用いたガウス変分推論におけるパラメータ学習について述べる。我々はライダーを用いた自動車による36kmのデータセットを用いて高精細マップに対するローカライズを行う手法を実証した。
論文参考訳（メタデータ） (2020-03-21T19:48:07Z)
Holistically-Attracted Wireframe Parsing [123.58263152571952]
本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
論文参考訳（メタデータ） (2020-03-03T17:43:57Z)

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。