論文の概要: Robust Perception Architecture Design for Automotive Cyber-Physical
Systems
- arxiv url: http://arxiv.org/abs/2205.08067v1
- Date: Tue, 17 May 2022 03:02:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-18 14:56:11.787308
- Title: Robust Perception Architecture Design for Automotive Cyber-Physical
Systems
- Title(参考訳): 自動車サイバー物理システムのためのロバスト知覚アーキテクチャ設計
- Authors: Joydeep Dey, Sudeep Pasricha
- Abstract要約: PASTAは、深層学習のグローバルな協調最適化と、信頼性の高い車両知覚のためのセンシングのためのフレームワークである。
PASTAがいかに堅牢で、車両固有の知覚アーキテクチャソリューションを見出すかを示す。
- 参考スコア(独自算出の注目度): 4.226118870861363
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In emerging automotive cyber-physical systems (CPS), accurate environmental
perception is critical to achieving safety and performance goals. Enabling
robust perception for vehicles requires solving multiple complex problems
related to sensor selection/ placement, object detection, and sensor fusion.
Current methods address these problems in isolation, which leads to inefficient
solutions. We present PASTA, a novel framework for global co-optimization of
deep learning and sensing for dependable vehicle perception. Experimental
results with the Audi-TT and BMW-Minicooper vehicles show how PASTA can find
robust, vehicle-specific perception architecture solutions.
- Abstract(参考訳): 新興の自動車サイバー物理システム(CPS)では、安全と性能の目標を達成するために正確な環境認識が重要である。
車両に対する堅牢な認識を実現するには、センサーの選択/配置、オブジェクト検出、センサー融合に関連する複数の複雑な問題を解く必要がある。
現在の手法ではこれらの問題を分離し、非効率な解をもたらす。
深層学習とセンサのグローバルな協調最適化のための新しいフレームワークであるPASTAについて述べる。
Audi-TTとBMW-Minicooperによる実験結果は、PASTAが堅牢で車両固有の知覚アーキテクチャソリューションを見つける方法を示している。
関連論文リスト
- DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。
運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。
我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文 参考訳(メタデータ) (2023-10-03T10:10:42Z) - Framework for Quality Evaluation of Smart Roadside Infrastructure
Sensors for Automated Driving Applications [2.0502751783060003]
本稿では,スマート道路インフラストラクチャセンサの詳細な品質評価を行うための新しい手法を提案する。
DAIR-V2Xデータセットで評価し,様々なセンサタイプにまたがるマルチモーダルなフレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-16T10:21:07Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳(メタデータ) (2023-03-08T00:48:32Z) - Vehicle-road Cooperative Simulation and 3D Visualization System [0.0]
自動車と道路のコラボレーション技術は、その限界を克服し、交通の安全と効率を改善することができる。
信頼性と信頼性を確保するためには厳格なテストと検証方法が必要である。
論文 参考訳(メタデータ) (2022-07-14T04:53:54Z) - 3D Object Detection for Autonomous Driving: A Comprehensive Survey [48.30753402458884]
自動運転車の近くで重要な3Dオブジェクトの位置、サイズ、カテゴリをインテリジェントに予測する3Dオブジェクト検出は、認識システムの重要な部分である。
本稿では,自律運転における3次元物体検出技術の進歩を概観する。
論文 参考訳(メタデータ) (2022-06-19T19:43:11Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳(メタデータ) (2022-03-04T16:14:33Z) - Robustness Enhancement of Object Detection in Advanced Driver Assistance
Systems (ADAS) [0.0]
提案システムは、(1)最新鋭の物体検出器と対等な精度で性能が期待できる小型のワンステージ物体検出器と、(2)状況の意義から、自動運転車が人間の行動を必要とする場合には、警報信号をクラウドに送信するのに役立つ環境条件検出器の2つの主要コンポーネントを含む。
論文 参考訳(メタデータ) (2021-05-04T15:42:43Z) - Improving Robustness of Learning-based Autonomous Steering Using
Adversarial Images [58.287120077778205]
自動運転用画像入力における学習アルゴリズムw.r.tの堅牢性を解析するためのフレームワークについて紹介する。
感度分析の結果を用いて, 「操縦への学習」 タスクの総合的性能を向上させるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-26T02:08:07Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳(メタデータ) (2020-07-14T05:25:15Z) - Cooperative Perception with Deep Reinforcement Learning for Connected
Vehicles [7.7003495898919265]
本研究では, 周辺物体の検出精度を高めるために, 深層強化学習を用いた協調認識方式を提案する。
本手法は、車両通信網におけるネットワーク負荷を軽減し、通信信頼性を高める。
論文 参考訳(メタデータ) (2020-04-23T01:44:12Z)
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。