論文の概要: Self-Driving Car Steering Angle Prediction: Let Transformer Be a Car Again

• arxiv url: http://arxiv.org/abs/2204.12748v1
• Date: Wed, 27 Apr 2022 07:42:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 13:25:06.866091
• Title: Self-Driving Car Steering Angle Prediction: Let Transformer Be a Car Again
• Title（参考訳）: 自動運転車の操舵角度予測:トランスフォーマーを再び車に変える
• Authors: Chingis Oinar and Eunmin Kim
• Abstract要約: われわれはUdacity Self-driving Car Challenge 2を探求する。 以前のチームのソリューションに関する洞察を提供する。 いくつかのチームからインスパイアされた新しいアーキテクチャを提案します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-driving vehicles are expected to be a massive economic influence over the coming decades. Udacity https://www.udacity.com/ has been working on a completely open-source self driving car. Thus, it regularly organizes various competitions, one of which was dedicated to steering angle prediction task. In this work, we perform an extensive study on this particular task by exploring the Udacity Self-driving Car Challenge 2. We provide insights on the previous teams' solutions. Moreover, we propose our new architecture that is inspired by some of the teams. We report our performance and compare it with multiple baseline architectures as well as other teams' solutions. We make our work available on GitHub and hope it is useful for the Udacity community and brings insights for future works https://github.com/chingisooinar/AI_self-driving-car
• Abstract（参考訳）: 自動運転車は今後数十年で大きな経済的影響を被ると予想されている。 Udacity https://www.udacity.com/は、完全にオープンソースの自動運転車を開発している。 そのため、様々な競技会を定期的に開催し、そのうちの1つは角度予測タスクの運営に充てられた。 本研究では、Udacity Self-driving Car Challenge 2を探索し、この課題について広範な研究を行う。 以前のチームのソリューションに関する洞察を提供する。 さらに,いくつかのチームからインスパイアされた新しいアーキテクチャを提案する。 パフォーマンスを報告し、他のチームのソリューションと同様に、複数のベースラインアーキテクチャと比較します。 当社の作業はGitHubで公開していますが,Udacityコミュニティにとって有用であることを願っています。

関連論文リスト

• WHALES: A Multi-agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving [54.365702251769456]
  我々は、駆動シーケンス当たり平均8.4エージェントのデータセットを提示する。 自律運転データセットの中で最大のエージェントと視点を提供するだけでなく、WHALESはエージェントの振る舞いを記録する。 エージェントスケジューリングタスクにおいて,エゴエージェントが複数の候補エージェントの1つを選択して協調する実験を行う。
  論文  参考訳（メタデータ） (2024-11-20T14:12:34Z)
• Fast and Modular Autonomy Software for Autonomous Racing Vehicles [24.2222961043227]
  インディ・オートマチック・チャレンジ(英語: Indy Autonomous Challenge、IAC)は、自動運転車開発を推進する国際大会である。 本稿は、ITCにおける自動運転レースに対するMIT-Pitt-RWチームのアプローチについて詳述する。 自律的なスタックを構築するために,エージェント検出,動作計画,制御に対するモジュール型かつ高速なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-08-27T21:57:16Z)
• Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
  本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。 私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
  論文  参考訳（メタデータ） (2024-07-09T04:56:11Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• 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)
• An Intelligent Self-driving Truck System For Highway Transportation [81.12838700312308]
  本稿では,インテリジェントな自動運転トラックシステムについて紹介する。 提案システムは,1)テストシナリオにおける現実的なトラフィックフローを生成する現実的なトラフィックシミュレーションモジュール,2)実環境における実際のトラックの応答を模倣するために設計,評価された高忠実度トラックモデル,の3つの主要コンポーネントから構成される。 また,提案するシステムを実車に展開し,実車間ギャップを緩和するシステムの能力を示す実物実験を行う。
  論文  参考訳（メタデータ） (2021-12-31T04:54:13Z)
• Predicting Physical World Destinations for Commands Given to Self-Driving Cars [19.71691537605694]
  本稿では,与えられた命令を実行した後,車が到達する必要がある3D宛先を注釈付けする拡張を提案する。 我々は、この特定の設定に適合した以前の作品より優れたモデルを導入する。
  論文  参考訳（メタデータ） (2021-12-10T09:51:16Z)
• An Independent Study of Reinforcement Learning and Autonomous Driving [0.0]
  表層環境のQ-ラーニングアルゴリズムについて検討し,その手法をタクシーのOpenAi Gym環境に適用した。 次に,Cart-Pole環境における深層Q-networkアルゴリズムの理解と実装を行った。 高速道路のジャム環境を利用して荒々しい自律運転エージェントを訓練し,報酬関数などの環境構成がエージェント訓練性能に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2021-08-20T23:46:12Z)
• 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)
• SMARTS: Scalable Multi-Agent Reinforcement Learning Training School for Autonomous Driving [96.50297622371457]
  マルチエージェントインタラクションは、現実の世界における自律運転の基本的な側面である。 研究と開発が10年以上続いたにもかかわらず、様々なシナリオで多様な道路ユーザーと対話する方法の問題は未解決のままである。 SMARTSと呼ばれる,多種多様な運転インタラクションを生成する専用シミュレーションプラットフォームを開発した。
  論文  参考訳（メタデータ） (2020-10-19T18:26:10Z)

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。