Fugu-MT 論文翻訳(概要): Reimagining an autonomous vehicle

論文の概要: Reimagining an autonomous vehicle

arxiv url: http://arxiv.org/abs/2108.05805v1
Date: Thu, 12 Aug 2021 15:37:30 GMT
ステータス: 処理完了
システム内更新日: 2021-08-13 18:54:27.104706
Title: Reimagining an autonomous vehicle
Title（参考訳）: 自律車両の再想像
Authors: Jeffrey Hawke, Haibo E, Vijay Badrinarayanan, Alex Kendall
Abstract要約: 自動運転車の問題を再考する上で、再考が必要であると我々は主張する。私たちは、機械学習で運転するためのレシピと、運転研究のための大きな課題という、別のビジョンを提示します。
参考スコア（独自算出の注目度）: 16.865473122354402
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The self driving challenge in 2021 is this century's technological equivalent of the space race, and is now entering the second major decade of development. Solving the technology will create social change which parallels the invention of the automobile itself. Today's autonomous driving technology is laudable, though rooted in decisions made a decade ago. We argue that a rethink is required, reconsidering the autonomous vehicle (AV) problem in the light of the body of knowledge that has been gained since the DARPA challenges which seeded the industry. What does AV2.0 look like? We present an alternative vision: a recipe for driving with machine learning, and grand challenges for research in driving.
Abstract（参考訳）: 2021年の自動運転の挑戦は、今世紀における宇宙レースの技術的同等であり、現在、開発の第2段階に入る。テクノロジーの解決は、自動車自体の発明と平行する社会変革を生み出すだろう。今日の自動運転技術は、10年前に行われた決定に根ざしている。我々は、業界を巻き込んだDARPAの課題から得られた知識の体系に照らして、自動運転車(AV)の問題を再考する、再考が必要であると主張している。 AV2.0はどんなものか? 我々は、機械学習による運転のレシピと、運転研究のための大きな課題という、別のビジョンを提示します。

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)
LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
論文参考訳（メタデータ） (2023-11-02T07:23:33Z)
An Overview about Emerging Technologies of Autonomous Driving [12.686694414570457]
2004年にDARPAがグランドチャレンジを始め、2007年にアーバンチャレンジを開始して以来、自動運転はAIアプリケーションの最も活発な分野となっている。本稿では,自動運転技術とオープンな課題の技術的側面について概観する。本稿では,認識,マッピングとローカライゼーション,予測,計画と制御,シミュレーション,V2X,安全性など,自動運転システムの主要な分野について検討する。
論文参考訳（メタデータ） (2023-06-23T05:36:17Z)
AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文参考訳（メタデータ） (2023-01-08T15:02:38Z)
Emerging Threats in Deep Learning-Based Autonomous Driving: A Comprehensive Survey [0.9163827313498957]
自動運転の基礎として、ディープラーニング技術は多くの新しいセキュリティリスクに直面している。学術コミュニティは、敵対的な事例やAIバックドアに対するディープラーニング対策を提案している。本稿では,自動運転におけるディープラーニングセキュリティ技術の概念,開発,最近の研究について要約する。
論文参考訳（メタデータ） (2022-10-19T10:04:33Z)
CODA: A Real-World Road Corner Case Dataset for Object Detection in Autonomous Driving [117.87070488537334]
我々は、ビジョンベース検出器のこの重要な問題を露呈する、CODAという挑戦的なデータセットを導入する。大規模自動運転データセットで訓練された標準物体検出器の性能は、mARの12.8%以下に著しく低下した。我々は最先端のオープンワールドオブジェクト検出器を実験し、CODAの新しいオブジェクトを確実に識別できないことを発見した。
論文参考訳（メタデータ） (2022-03-15T08:32:56Z)
Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
論文参考訳（メタデータ） (2022-02-08T11:55:05Z)
AUTO-DISCERN: Autonomous Driving Using Common Sense Reasoning [17.43502069023518]
本稿では, 応答セットプログラミング(ASP)と目標指向の s(CASP) ASP システムを用いてコモンセンス推論の自動化について論じる。我々の研究の目的は、人間の運転者の心をシミュレートして動く自動運転システムを開発することである。
論文参考訳（メタデータ） (2021-10-17T14:50:41Z)
Autonomy 2.0: Why is self-driving always 5 years away? [4.5204823977941775]
遅すぎる進歩は、ハンドエンジニアリングが多すぎるアプローチによって引き起こされる、と我々は主張する。自動運転に対するMLファーストアプローチであるAutonomy 2.0の原則を概説する。
論文参考訳（メタデータ） (2021-07-16T23:20:26Z)
Rise of the Autonomous Machines [1.4467794332678539]
我々は、自律機械の技術的および非技術的課題を認識し、分類するための予備的な試みを行っている。これは、コミュニティが将来、明確で効果的で、より正式な開発目標ポストを定義するのに役立つと期待されている。
論文参考訳（メタデータ） (2021-06-26T09:46:01Z)
NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。 NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
論文参考訳（メタデータ） (2021-03-21T19:42:26Z)

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。