論文の概要: Zhuyi: Perception Processing Rate Estimation for Safety in Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2205.03347v1
• Date: Fri, 6 May 2022 16:28:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 13:53:50.456653
• Title: Zhuyi: Perception Processing Rate Estimation for Safety in Autonomous Vehicles
• Title（参考訳）: Zhuyi: 自動運転車の安全性に対する知覚処理速度推定
• Authors: Yu-Shun Hsiao, Siva Kumar Sastry Hari, Micha{\l} Filipiuk, Timothy Tsai, Michael B. Sullivan, Vijay Janapa Reddi, Vasu Singh, and Stephen W. Keckler
• Abstract要約: 本稿では,運転シナリオにおいて最小安全FPRを連続的に定量化するセンサフレーム処理速度推定モデルであるZhuyiを提案する。 マルチカメラ・オブ・ザ・アート産業のAVシステムを用いて実施された実験では、チューイの推定FPRは保守的であるが、システムは36%以下のフレームを処理することで安全性を維持することができる。
• 参考スコア（独自算出の注目度）: 5.952734201900874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The processing requirement of autonomous vehicles (AVs) for high-accuracy perception in complex scenarios can exceed the resources offered by the in-vehicle computer, degrading safety and comfort. This paper proposes a sensor frame processing rate (FPR) estimation model, Zhuyi, that quantifies the minimum safe FPR continuously in a driving scenario. Zhuyi can be employed post-deployment as an online safety check and to prioritize work. Experiments conducted using a multi-camera state-of-the-art industry AV system show that Zhuyi's estimated FPRs are conservative, yet the system can maintain safety by processing only 36% or fewer frames compared to a default 30-FPR system in the tested scenarios.
• Abstract（参考訳）: 複雑なシナリオにおける高精度な認識のための自動運転車(AV)の処理要件は、車載コンピュータが提供するリソースを超え、安全性と快適性を低下させる。 本稿では,運転シナリオにおいて最小安全FPRを連続的に定量化するセンサフレーム処理率(FPR)推定モデルであるZhuyiを提案する。 Zhuyiはデプロイ後、オンラインの安全チェックとして採用し、仕事の優先順位を付けることができる。 マルチカメラの最先端産業AVシステムを用いた実験では、Zhuyiの推定FPRは保守的であるが、テストシナリオではデフォルトの30FPRシステムに比べて36%未満のフレームを処理することで安全性を維持することができる。

関連論文リスト

• Infrastructure-Assisted Collaborative Perception in Automated Valet Parking: A Safety Perspective [11.405406875019175]
  協調知覚は、連結車両の視野を広げるために適用することができる。 インフラ支援型AVPシステムのためのBEV機能に基づくCPネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-03-22T12:11:06Z)
• MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
  本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。 評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
  論文  参考訳（メタデータ） (2023-10-08T21:32:30Z)
• SAVME: Efficient Safety Validation for Autonomous Systems Using Meta-Learning [36.896695278624776]
  メタ学習戦略とマルチアームバンディットフレームワークを統合したベイズ的手法を提案する。 我々は,最先端の3D運転シミュレータを用いて,自律走行車スタックに16の忠実度設定を組み込んだ方法論を紹介した。 従来の手法に比べて最大18倍の高速化を実現している。
  論文  参考訳（メタデータ） (2023-09-21T20:41:47Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Anticipating Driving Behavior through Deep Learning-Based Policy Prediction [66.344923925939]
  我々は、通常のカメラで捉えたビデオフレームから得られる統合的な視覚特徴と、ポイント・クラウド・スキャナーから得られた奥行きの詳細を処理できるシステムを開発した。 このシステムは、車両の速度と操舵角度の両方を含む運転行動を予測するように設計されている。 評価の結果,テストシナリオの少なくとも半分において,予測値が有意な精度を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-07-20T17:38:55Z)
• 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)
• 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)
• An NCAP-like Safety Indicator for Self-Driving Cars [2.741266294612776]
  本稿では,自動運転車の安全性を評価するメカニズムを提案する。 車両が敵と衝突することを避けるシナリオにおいて、車両の安全性を評価する。 セーフカミカゼ距離(Safe-Kamikaze Distance)と呼ばれる安全対策は、安全な敵の軌道と安全な軌道に近いカミカゼ軌道との平均的な類似性を計算する。
  論文  参考訳（メタデータ） (2021-04-02T02:39:53Z)
• Positive Trust Balance for Self-Driving Car Deployment [3.106768467227812]
  自動運転車の展開準備が整った時期に関する決定は、遅れる指標データによって下される可能性が高い。 ポジティブトラストバランスアプローチは、責任あるデプロイメント決定に役立ちます。
  論文  参考訳（メタデータ） (2020-09-12T14:23:47Z)
• Towards Autonomous Driving: a Multi-Modal 360$^{\circ}$ Perception Proposal [87.11988786121447]
  本稿では,自動運転車の3次元物体検出と追跡のためのフレームワークを提案する。 このソリューションは、新しいセンサ融合構成に基づいて、正確で信頼性の高い道路環境検出を提供する。 自動運転車に搭載されたシステムの様々なテストは、提案された知覚スタックの適合性を評価することに成功している。
  論文  参考訳（メタデータ） (2020-08-21T20:36:21Z)
• Assessing Safety-Critical Systems from Operational Testing: A Study on Autonomous Vehicles [3.629865579485447]
  安全クリティカルシステム(SCS)の信頼性と安全性の実証は依然として難しい問題である。 我々は、信頼性を示す問題を再考するために、現在の例として自律走行車(AV)を使用します。
  論文  参考訳（メタデータ） (2020-08-19T19:50:56Z)

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。