Fugu-MT 論文翻訳(概要): MPA: MultiPath++ Based Architecture for Motion Prediction

論文の概要: MPA: MultiPath++ Based Architecture for Motion Prediction

arxiv url: http://arxiv.org/abs/2206.10041v1
Date: Mon, 20 Jun 2022 23:06:55 GMT
ステータス: 処理完了
システム内更新日: 2022-06-22 16:56:19.944054
Title: MPA: MultiPath++ Based Architecture for Motion Prediction
Title（参考訳）: MPA: 動作予測のためのマルチパス++ベースのアーキテクチャ
Authors: Stepan Konev
Abstract要約: 我々は,2022年5月26日現在,MultiPath++を第3位にランク付けしたモーション予測チャレンジ2022のソリューションの1つを提示する。ソースコードはGitHubで公開されています。
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: Autonomous driving technology is developing rapidly and nowadays first autonomous rides are being provided in city areas. This requires the highest standards for the safety and reliability of the technology. Motion prediction part of the general self-driving pipeline plays a crucial role in providing these qualities. In this work we present one of the solutions for Waymo Motion Prediction Challenge 2022 based on MultiPath++ ranked the 3rd as of May, 26 2022. Our source code is publicly available on GitHub.
Abstract（参考訳）: 自動運転技術は急速に発展しており、現在では市内で最初の自動運転技術が提供されている。これは技術の安全性と信頼性に最も高い基準を必要とする。一般的な自動運転パイプラインの動作予測部分は、これらの品質を提供する上で重要な役割を果たす。本研究では,MultiPath++に基づくWaymo Motion Prediction Challenge 2022のソリューションとして,2022年5月26日に第3位にランクインした。ソースコードはGitHubで公開されている。

関連論文リスト

Pedestrian motion prediction evaluation for urban autonomous driving [0.0]
我々は、従来の動き予測指標の妥当性を決定するために、提供されたオープンソースソリューションを用いて、選択した出版物を解析する。この視点は、既存の最先端の歩行者運動予測問題の現実的なパフォーマンスを探している、自動運転やロボット工学の潜在的なエンジニアにとって価値があるだろう。
論文参考訳（メタデータ） (2024-10-22T10:06:50Z)
An Overview about Emerging Technologies of Autonomous Driving [12.686694414570457]
2004年にDARPAがグランドチャレンジを始め、2007年にアーバンチャレンジを開始して以来、自動運転はAIアプリケーションの最も活発な分野となっている。本稿では,自動運転技術とオープンな課題の技術的側面について概観する。本稿では,認識,マッピングとローカライゼーション,予測,計画と制御,シミュレーション,V2X,安全性など,自動運転システムの主要な分野について検討する。
論文参考訳（メタデータ） (2023-06-23T05:36:17Z)
MTR-A: 1st Place Solution for 2022 Waymo Open Dataset Challenge -- Motion Prediction [103.75625476231401]
本稿では,複数モーダル動作予測のための新しいモーショントランスフォーマーフレームワークを提案する。非最大圧縮による単純なモデルアンサンブル戦略を採用し、最終的な性能をさらに向上させる。当社のアプローチは,2022年のオープンデータセットチャレンジにおける行動予測のリーダーボード上での1位を達成し,他の手法よりも優れたマージンを達成している。
論文参考訳（メタデータ） (2022-09-20T23:03:22Z)
Level 2 Autonomous Driving on a Single Device: Diving into the Devils of Openpilot [112.21008828205409]
Comma.aiは、1台のカメラとボードを内蔵した999ドルのアフターマーケットデバイスがL2シナリオを処理する能力を持っていると主張している。 Comma.aiがリリースした全システムのオープンソースソフトウェアとともに、プロジェクトはOpenpilotと名付けられた。このレポートでは、最新の知見を公開し、産業製品レベルでのエンドツーエンドの自動運転という、新たな視点について光を当てたいと思います。
論文参考訳（メタデータ） (2022-06-16T13:43:52Z)
MotionCNN: A Strong Baseline for Motion Prediction in Autonomous Driving [6.10183951877597]
畳み込みニューラルネットワークに基づくマルチモーダル動作予測のための,単純かつ非常に強力なベースラインを提案する。ソースコードはGitHubで公開されています。
論文参考訳（メタデータ） (2022-06-05T12:31:58Z)
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)
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)
NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。 NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
論文参考訳（メタデータ） (2021-03-21T19:42:26Z)
A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge [49.976633450740145]
本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
論文参考訳（メタデータ） (2020-10-23T18:07:48Z)

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。