Fugu-MT 論文翻訳(概要): Prediction of Maneuvering Status for Aerial Vehicles using Supervised Learning Methods

論文の概要: Prediction of Maneuvering Status for Aerial Vehicles using Supervised Learning Methods

arxiv url: http://arxiv.org/abs/2206.10303v1
Date: Thu, 2 Jun 2022 05:16:13 GMT
ステータス: 処理完了
システム内更新日: 2022-06-27 03:16:45.931354
Title: Prediction of Maneuvering Status for Aerial Vehicles using Supervised Learning Methods
Title（参考訳）: 教師付き学習法を用いた航空機の操縦状態予測
Authors: Abhishek Gupta, Sarvesh Thustu, Riti Thakor, Saniya Patil, Raunak Joshi, Ronald Melvin Laban
Abstract要約: 航空車両は緯度、経度、緯度に基づくガイド付きアプローチに従う。この情報は、軌道沿いの航空車両の操縦状況を計算するのに利用できる。本稿では, 線形, 距離, 識別分析, ブースティング・アンサンブルを用いた操作状態の導出とその予測手法を提案する。
参考スコア（独自算出の注目度）: 2.719418335747252
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Aerial Vehicles follow a guided approach based on Latitude, Longitude and Altitude. This information can be used for calculating the status of maneuvering for the aerial vehicles along the line of trajectory. This is a binary classification problem and Machine Learning can be leveraged for solving such problem. In this paper we present a methodology for deriving maneuvering status and its prediction using Linear, Distance Metric, Discriminant Analysis and Boosting Ensemble supervised learning methods. We provide various metrics along the line in the results section that give condensed comparison of the appropriate algorithm for prediction of the maneuvering status.
Abstract（参考訳）: 航空車両は緯度、経度、緯度に基づくガイド付きアプローチに従う。この情報は、軌道に沿った航空機の操縦状況を計算するのに使うことができる。これはバイナリ分類の問題であり、機械学習はそのような問題を解決するために利用することができる。本稿では, 線形, 距離, 識別分析, ブースティング・アンサンブルによる学習手法を用いて, 操作状態の導出とその予測手法を提案する。我々は, 操作状態の予測に適切なアルゴリズムを凝縮した比較を行うため, 結果セクションのラインに沿って様々な指標を提供する。

関連論文リスト

Pedestrian Trajectory Prediction with Missing Data: Datasets, Imputation, and Benchmarking [7.9449756510822915]
TrajImputeは、観測された軌道の座標をシミュレートする歩行者軌道予測データセットである。本研究では,欠落した座標を再構築するためのいくつかの計算手法について検討し,歩行者軌道の計算のためのベンチマークを行う。本データセットは,今後の歩行者軌跡予測研究の基盤となる資料を提供する。
論文参考訳（メタデータ） (2024-10-31T19:42:42Z)
Self-Supervised Class-Agnostic Motion Prediction with Spatial and Temporal Consistency Regularizations [53.797896854533384]
クラスに依存しない動き予測法は点雲全体の動きを直接予測する。既存のほとんどのメソッドは、完全に教師付き学習に依存しているが、ポイントクラウドデータの手作業によるラベル付けは、手間と時間を要する。 3つの簡単な空間的・時間的正則化損失を導入し,自己指導型学習プロセスの効率化を図る。
論文参考訳（メタデータ） (2024-03-20T02:58:45Z)
Semantic Map Learning of Traffic Light to Lane Assignment based on Motion Data [12.853720506838043]
自動運転車は通常、車線への信号の割り当てに関する情報を含むHigh Definition (HD)マップに依存している。これらの問題を解決するために,交通信号の状態と対応する車両交通の動作パターンから課題を導出する。 Lyft Level 5データセット用の公開APIによって、研究者は独自のアプローチを開発し、評価することができます。
論文参考訳（メタデータ） (2023-09-26T09:42:21Z)
Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
論文参考訳（メタデータ） (2023-07-20T15:21:28Z)
Machine Learning for Autonomous Vehicle's Trajectory Prediction: A comprehensive survey, Challenges, and Future Research Directions [3.655021726150368]
AVの文脈における軌道予測に関する200以上の研究について検討した。本総説では,いくつかの深層学習手法を総合的に評価する。既存の文献の課題を特定し,潜在的研究の方向性を概説することにより,AV軌道予測領域における知識の進歩に大きく貢献する。
論文参考訳（メタデータ） (2023-07-12T10:20:19Z)
Unsupervised Driving Event Discovery Based on Vehicle CAN-data [62.997667081978825]
本研究は,車両CANデータのクラスタリングとセグメンテーションを同時に行うことで,一般的な運転イベントを教師なしで識別する手法である。我々は、実際のTesla Model 3車載CANデータと、異なる運転イベントをアノテートした2時間の運転セッションのデータセットを用いて、アプローチを評価した。
論文参考訳（メタデータ） (2023-01-12T13:10:47Z)
Multi-Vehicle Trajectory Prediction at Intersections using State and Intention Information [50.40632021583213]
道路員の将来の軌跡予測への伝統的なアプローチは、過去の軌跡を知ることに依存している。この研究は、交差点で複数の車両の予測を行うために、現在の状態と意図された方向を知ることに依存する。この情報を車両間で送るメッセージは、それぞれがより総合的な環境概要を提供する。
論文参考訳（メタデータ） (2023-01-06T15:13:23Z)
MURAL: Meta-Learning Uncertainty-Aware Rewards for Outcome-Driven Reinforcement Learning [65.52675802289775]
本研究では,不確かさを意識した分類器が,強化学習の難しさを解消できることを示す。正規化最大度(NML)分布の計算法を提案する。得られたアルゴリズムは、カウントベースの探索法と、報酬関数を学習するための先行アルゴリズムの両方に多くの興味深い関係を持つことを示す。
論文参考訳（メタデータ） (2021-07-15T08:19:57Z)
Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。最先端アルゴリズムのオープンソース実装が採用されている。その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文参考訳（メタデータ） (2020-08-19T15:22:15Z)
Motion Prediction using Trajectory Sets and Self-Driving Domain Knowledge [3.0938904602244355]
我々は,オフロード予測をペナルティ化する補助的損失を加えることによって,動作予測に対する分類に基づくアプローチを構築した。この補助損失は、地図情報のみを使用して容易に事前訓練でき、小さなデータセットの性能を大幅に向上させる。最後のコントリビューションは、2つの公用自動運転データセットの分類と順序回帰の詳細な比較である。
論文参考訳（メタデータ） (2020-06-08T17:37:15Z)
A Novel Ramp Metering Approach Based on Machine Learning and Historical Data [0.7349727826230861]
ランプ計測は、様々な交通条件下で高速道路の効率を維持するための実証された方法である。我々は機械学習を用いて、ランプ計測のための新しいリアルタイム予測モデルを開発した。
論文参考訳（メタデータ） (2020-05-26T21:05:01Z)

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。