論文の概要: Motion Sickness Modeling with Visual Vertical Estimation and Its
Application to Autonomous Personal Mobility Vehicles
- arxiv url: http://arxiv.org/abs/2202.06299v1
- Date: Sun, 13 Feb 2022 12:46:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 17:02:21.125908
- Title: Motion Sickness Modeling with Visual Vertical Estimation and Its
Application to Autonomous Personal Mobility Vehicles
- Title（参考訳）: 視覚垂直推定を用いた運動病モデルとその自律型個人移動車への応用
- Authors: Hailong Liu and Shota Inoue and Takahiro Wada
- Abstract要約: 本やスマートフォンなどの非運転タスクは、運動障害を増す可能性がある。
現在の計算モデルでは、視覚的垂直情報と前庭感覚を統合できない。
本稿では,視覚垂直(VV)が重要な役割を担っていることを前提として,AMPVを用いて本を読み取ると,運動障害が増大するという事実を述べる。
- 参考スコア（独自算出の注目度）: 9.456418897408204
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Passengers (drivers) of level 3-5 autonomous personal mobility vehicles
(APMV) and cars can perform non-driving tasks, such as reading books and
smartphones, while driving. It has been pointed out that such activities may
increase motion sickness. Many studies have been conducted to build
countermeasures, of which various computational motion sickness models have
been developed. Many of these are based on subjective vertical conflict (SVC)
theory, which describes vertical changes in direction sensed by human sensory
organs vs. those expected by the central nervous system. Such models are
expected to be applied to autonomous driving scenarios. However, no current
computational model can integrate visual vertical information with vestibular
sensations.
We proposed a 6 DoF SVC-VV model which add a visually perceived vertical
block into a conventional six-degrees-of-freedom SVC model to predict VV
directions from image data simulating the visual input of a human. Hence, a
simple image-based VV estimation method is proposed.
As the validation of the proposed model, this paper focuses on describing the
fact that the motion sickness increases as a passenger reads a book while using
an AMPV, assuming that visual vertical (VV) plays an important role. In the
static experiment, it is demonstrated that the estimated VV by the proposed
method accurately described the gravitational acceleration direction with a low
mean absolute deviation. In addition, the results of the driving experiment
using an APMV demonstrated that the proposed 6 DoF SVC-VV model could describe
that the increased motion sickness experienced when the VV and gravitational
acceleration directions were different.
- Abstract（参考訳）: レベル3～5の自律型個人移動車(apmv)の乗客(ドライバー)は、運転中に本やスマートフォンなどの非自動運転タスクを実行できる。
このような活動は運動病を増加させることが指摘されている。
様々な計算運動病モデルが開発され、対策を構築するために多くの研究が行われている。
これらの多くは、人間の感覚器官が知覚する方向と中枢神経系が期待する方向の垂直変化を記述する主観的垂直対立(SVC)理論に基づいている。
このようなモデルは自動運転のシナリオに適用されることが期待される。
しかし、現在の計算モデルでは、視覚的垂直情報と前庭感覚を統合できない。
我々は従来の6自由度SVCモデルに視覚的に知覚される垂直ブロックを加えた6自由度SVC-VVモデルを提案し、人間の視覚入力をシミュレートした画像データからVV方向を予測する。
そこで, 簡易な画像ベースVV推定法を提案する。
提案モデルの有効性として,視覚的垂直(VV)が重要な役割を担っていることを前提として,AMPVを用いて本を読みながら運動障害が増大する事実について述べる。
静的実験では,提案手法により推定されたVVが,平均絶対偏差の低い重力加速度方向を正確に記述した。
さらに、APMVを用いた運転実験の結果、提案した6DoF SVC-VVモデルでは、VVと重力加速度方向が異なるときに発生する運動障害の増加が説明できることを示した。
関連論文リスト
- A Cognitive-Based Trajectory Prediction Approach for Autonomous Driving [21.130543517747995]
本稿では,教師による知識蒸留の枠組みを取り入れたHuman-Like Trajectory Prediction (H)モデルを提案する。
教師」モデルは人間の脳、特に後頭葉と側頭葉の機能の視覚的処理を模倣する。
学生」モデルはリアルタイムのインタラクションと意思決定に焦点を合わせ、正確な予測のために重要な知覚的手がかりを捉えます。
論文 参考訳（メタデータ） (2024-02-29T15:22:26Z) - RACER: Rational Artificial Intelligence Car-following-model Enhanced by
Reality [51.244807332133696]
本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。
従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。
RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
論文 参考訳（メタデータ） (2023-12-12T06:21:30Z) - GPT-4V Takes the Wheel: Promises and Challenges for Pedestrian Behavior
Prediction [12.613528624623514]
本研究は,自律運転における歩行者行動予測の文脈において,視覚言語モデル(VLM)の定量的および定性的な評価を行った最初のものである。
JAAD と WiDEVIEW を用いて GPT-4V の評価を行った。
このモデルは、ゼロショット方式で57%の精度で達成されているが、それでもなお、歩行者の横断行動を予測する最先端のドメイン固有モデル(70%)の背後にある。
論文 参考訳（メタデータ） (2023-11-24T18:02:49Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z) - Dfferentiable Raycasting for Self-supervised Occupancy Forecasting [52.61762537741392]
自動運転のための運動計画では、エゴ車の周囲の環境が時間とともにどのように進化するかを学ぶ必要がある。
本稿では,自由空間のようなビュー依存表現の自然な代替手段として,幾何学的占有を用いる。
私たちの重要な洞察は、差別化可能なレイキャストを使用して、将来の占有率予測を、将来のLiDARスイープ予測に"レンダリング"することです。
論文 参考訳（メタデータ） (2022-10-04T21:35:21Z) - Development and testing of an image transformer for explainable
autonomous driving systems [0.7046417074932257]
ディープラーニング(DL)アプローチはコンピュータビジョン(CV)アプリケーションで成功している。
DLベースのCVモデルは一般に、解釈可能性の欠如によりブラックボックスと見なされる。
本稿では,SOTA(State-of-the-art self-attention based model)に基づくエンドツーエンド自動運転システムを提案する。
論文 参考訳（メタデータ） (2021-10-11T19:01:41Z) - Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual
Observations [75.60524561611008]
この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。
まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。
本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
論文 参考訳（メタデータ） (2021-09-28T20:25:10Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - VILENS: Visual, Inertial, Lidar, and Leg Odometry for All-Terrain Legged Robots [5.789654849162465]
本報告では,足ロボットのための視覚的慣性ライダー脚ナビゲーションシステム(VILENS)について述べる。
重要な新規性は、信頼性の高い動作を実現するために、4つの異なるセンサーモードの密接な融合である。
最先端の疎結合アプローチと比較して, 平均62%の翻訳誤差と51%の回転誤差が改善した。
論文 参考訳（メタデータ） (2021-07-15T11:05:00Z) - Self-Supervised Steering Angle Prediction for Vehicle Control Using
Visual Odometry [55.11913183006984]
視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。
車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-20T16:29:01Z) - Pedestrian Motion State Estimation From 2D Pose [3.189006905282788]
歩行者の交通違反やフレキシブルで変化しやすい性質は、歩行者の行動や意図を予測するのを難しくする。
歩行者運動状態やその他の影響要因と組み合わせることで、不要な事故を避けるために歩行者の意図を予測することができる。
本稿では,提案アルゴリズムをJAAD公開データセット上で検証し,既存の手法と比較して精度を11.6%向上させる。
論文 参考訳（メタデータ） (2021-02-27T07:00:06Z)
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。