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

• Exploring the Interplay Between Video Generation and World Models in Autonomous Driving: A Survey [61.39993881402787]
  世界モデルとビデオ生成は、自動運転の領域において重要な技術である。 本稿では,この2つの技術の関係について検討する。 映像生成モデルと世界モデルとの相互作用を分析することにより,重要な課題と今後の研究方向性を明らかにする。
  論文  参考訳（メタデータ） (2024-11-05T08:58:35Z)
• Cooperative Visual-LiDAR Extrinsic Calibration Technology for Intersection Vehicle-Infrastructure: A review [19.77659610529281]
  典型的な都市交差点のシナリオでは、車両とインフラの両方に視覚とLiDARセンサーが装備されている。 本稿では,車,道路,車両と道路の連携の観点から,マルチエンドカメラ・LiDAR装置の校正について検討し,解析する。
  論文  参考訳（メタデータ） (2024-05-16T14:29:56Z)
• The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition [136.32656319458158]
  2024年のRoboDrive Challengeは、駆動認識技術の発展を促進するために作られた。 今年の挑戦は5つの異なるトラックで構成され、11カ国の93の機関から140の登録チームが集まった。 競争は15の最高パフォーマンスのソリューションで頂点に達した。
  論文  参考訳（メタデータ） (2024-05-14T17:59:57Z)
• Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
  オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。 本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。 データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-24T19:32:39Z)
• 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)
• 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)

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。