論文の概要: Cyber Mobility Mirror for Enabling Cooperative Driving Automation: A
Co-Simulation Platform
- arxiv url: http://arxiv.org/abs/2201.09463v1
- Date: Mon, 24 Jan 2022 05:27:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-25 17:19:10.738431
- Title: Cyber Mobility Mirror for Enabling Cooperative Driving Automation: A
Co-Simulation Platform
- Title（参考訳）: 協調運転自動化を実現するサイバーモビリティミラー - 共シミュレーションプラットフォーム
- Authors: Zhengwei Bai, Guoyuan Wu, Xuewei Qi, Kentaro Oguchi, Matthew J. Barth
- Abstract要約: 共シミュレーションプラットフォームは、高忠実度センサー認識システムとリアルタイム3D再構成システムによるサイバーワールドの両方で、現実世界をシミュレートすることができる。
ミラーワールドシミュレーターは知覚情報から3Dオブジェクトとその軌跡を再構築する役割を担っている。
道路沿いのLiDARを用いたリアルタイム車両検出・3次元再構築システムの研究事例を試作した。
- 参考スコア（独自算出の注目度）: 16.542137414609606
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Endowed with automation and connectivity, Connected and Automated Vehicles
(CAVs) are meant to be a revolutionary promoter for Cooperative Driving
Automation (CDA). Nevertheless, CAVs need high-fidelity perception information
on their surroundings, which is available but costly to collect from various
on-board sensors, such as radar, camera, and LiDAR, as well as
vehicle-to-everything (V2X) communications. Therefore, precisely simulating the
sensing process with high-fidelity sensor inputs and timely retrieving the
perception information via a cost-effective platform are of increasing
significance for enabling CDA-related research, e.g., development of
decision-making or control module. Most state-of-the-art traffic simulation
studies for CAVs rely on the situation-awareness information by directly
calling on intrinsic attributes of the objects, which impedes the reliability
and fidelity for testing and validation of CDA algorithms. In this study, a
co-simulation platform is developed, which can simulate both the real world
with a high-fidelity sensor perception system and the cyber world (or "mirror"
world) with a real-time 3D reconstruction system. Specifically, the real-world
simulator is mainly in charge of simulating the road-users (such as vehicles,
bicyclists, and pedestrians), infrastructure (e.g., traffic signals and
roadside sensors) as well as the object detection process. The mirror-world
simulator is responsible for reconstructing 3D objects and their trajectories
from the perceived information (provided by those roadside sensors in the
real-world simulator) to support the development and evaluation of CDA
algorithms. To illustrate the efficacy of this co-simulation platform, a
roadside LiDAR-based real-time vehicle detection and 3D reconstruction system
is prototyped as a study case.
- Abstract（参考訳）: 自動化と接続性を備えたコネクテッド・アンド・オートマチック・ビークル(CAV)は、協調運転自動化(CDA)のための革命的なプロモーターである。
それでも、CAVは周囲の高忠実度知覚情報を必要としており、レーダー、カメラ、LiDARなどの様々な搭載センサーや車両間通信(V2X)から収集するのには費用がかかる。
したがって、高忠実度センサ入力によるセンシングプロセスを正確にシミュレートし、コスト効率のよいプラットフォームを介して知覚情報をタイムリーに取得することは、例えば意思決定や制御モジュールの開発など、CDA関連の研究を可能にする上で重要である。
CAVに対する最先端の交通シミュレーション研究の多くは、CDAアルゴリズムのテストと検証の信頼性と忠実さを妨げるオブジェクトの固有の属性を直接呼び出すことによって、状況認識情報に依存している。
本研究では,高忠実度センサ認識システムによる実世界と,リアルタイム3次元再構成システムによるサイバー世界(あるいは「ミラー」世界)の両方をシミュレートするシミュレーションプラットフォームを開発した。
具体的には、現実世界のシミュレーターは、主に道路利用者(車両、自転車、歩行者など)、インフラ(交通信号や道路脇のセンサーなど)、および物体検出プロセスのシミュレーションを担当している。
ミラーワールドシミュレータは、CDAアルゴリズムの開発と評価を支援するために、認識された情報(現実世界シミュレータの道路側センサーによって提供される)から3Dオブジェクトとその軌跡を再構成する。
この共シミュレーションプラットフォームの有効性を示すために,道路サイドlidarを用いたリアルタイム車両検出および3次元再構成システムを試作した。
関連論文リスト
- DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。
その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。
動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
論文 参考訳（メタデータ） (2024-11-18T03:00:33Z) - A Joint Approach Towards Data-Driven Virtual Testing for Automated Driving: The AVEAS Project [2.4163276807189282]
シミュレーションのパラメトリゼーションや検証には、現実世界のデータが著しく不足している。
本稿では,ドイツのAVAS研究プロジェクトの結果について述べる。
論文 参考訳（メタデータ） (2024-05-10T07:36:03Z) - CADSim: Robust and Scalable in-the-wild 3D Reconstruction for
Controllable Sensor Simulation [44.83732884335725]
センサシミュレーションでは、車などの交通参加者を高品質な外観と明瞭な幾何学でモデル化する。
現在の再構築アプローチは、その広さとノイズのために、Wildのセンサーデータに苦労している。
本稿では,車体形状を自動再構成するために,CADモデルの小さなセットと微分レンダリングを併用したCADSimを提案する。
論文 参考訳（メタデータ） (2023-11-02T17:56:59Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Smart Infrastructure: A Research Junction [5.172393727004225]
本稿では,ドイツ・アシャッフェンブルクの公的な市内交差点に位置する視覚センサ技術を備えたインテリジェントな研究基盤について紹介する。
マルチビューカメラシステムは、交通状況を監視し、道路利用者の行動を知覚する。
このシステムは、データ生成の研究、新しいHADセンサーシステム、アルゴリズム、人工知能(AI)トレーニング戦略の評価に使用される。
論文 参考訳（メタデータ） (2023-07-12T14:04:12Z) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-16T16:54:10Z) - Cyber Mobility Mirror: Deep Learning-based Real-time 3D Object
Perception and Reconstruction Using Roadside LiDAR [14.566471856473813]
Cyber Mobility Mirrorは、3Dオブジェクトの検出、分類、追跡、再構築のための次世代のリアルタイム交通監視システムである。
実地試験の結果,試作システムでは96.99%の精度で,83.62%のリコールを達成できた。
高忠実度リアルタイム交通条件は、搭載車両のGUIに3-4Hzの周波数で表示することができる。
論文 参考訳（メタデータ） (2022-02-28T01:58:24Z) - VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and
Policy Learning for Autonomous Vehicles [131.2240621036954]
VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。
高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。
センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
論文 参考訳（メタデータ） (2021-11-23T18:58:10Z) - Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。
本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文 参考訳（メタデータ） (2021-04-19T11:48:13Z) - Ego-motion and Surrounding Vehicle State Estimation Using a Monocular
Camera [11.29865843123467]
単眼カメラを用いて,エゴモーションと周囲の車両状態を推定する新しい機械学習手法を提案する。
提案手法は3つのディープニューラルネットワークを組み合わせて,画像列から3次元車両境界ボックス,深度,光学的流れを推定する。
論文 参考訳（メタデータ） (2020-05-04T16:41:38Z)
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。