論文の概要: RCA: Ride Comfort-Aware Visual Navigation via Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2207.14460v1
• Date: Fri, 29 Jul 2022 03:38:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-01 13:05:54.136353
• Title: RCA: Ride Comfort-Aware Visual Navigation via Self-Supervised Learning
• Title（参考訳）: RCA:自己監督学習による快適な視覚ナビゲーション
• Authors: Xinjie Yao, Ji Zhang, Jean Oh
• Abstract要約: 共有された自律性の下では、車いすの利用者は安全で快適な乗用車を提供し、高レベルのナビゲーション計画に従うことを期待する。 本稿では,固有感覚を用いた走行性解析において,乗り心地を明示的にモデル化することを提案する。 我々のナビゲーションシステムは,ロボット実験を通じて人間に好意的な乗り心地を提供するとともに,人間の評価研究も行っている。
• 参考スコア（独自算出の注目度）: 14.798955901284847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Under shared autonomy, wheelchair users expect vehicles to provide safe and comfortable rides while following users high-level navigation plans. To find such a path, vehicles negotiate with different terrains and assess their traversal difficulty. Most prior works model surroundings either through geometric representations or semantic classifications, which do not reflect perceived motion intensity and ride comfort in downstream navigation tasks. We propose to model ride comfort explicitly in traversability analysis using proprioceptive sensing. We develop a self-supervised learning framework to predict traversability costmap from first-person-view images by leveraging vehicle states as training signals. Our approach estimates how the vehicle would feel if traversing over based on terrain appearances. We then show our navigation system provides human-preferred ride comfort through robot experiments together with a human evaluation study.
• Abstract（参考訳）: 共有された自律性の下では、車いすの利用者は安全で快適な乗り心地が期待される。 このような経路を見つけるために、車両は異なる地形と交渉し、その横断の困難さを評価する。 ほとんどの先行研究は、下流のナビゲーションタスクにおいて知覚される運動強度や乗り心地を反映しない幾何学的表現または意味分類を通じて周囲をモデル化している。 摂動センシングを用いたトラバーサビリティ解析において,乗り心地を明示的にモデル化することを提案する。 車両状態を訓練信号として活用し,一対一の視点画像からトラバーサビリティ・コストマップを予測する自己教師付き学習フレームワークを開発した。 我々のアプローチは、地形の外観に基づいて車両が横切るとどう感じるかを推定する。 次に,ロボット実験を通じ,人間による乗り心地の予測を行うナビゲーションシステムと,人間による評価実験を行った。

関連論文リスト

• Learning Navigational Visual Representations with Semantic Map Supervision [85.91625020847358]
  エージェントの自我中心のビューとセマンティックマップを対比してナビゲーション固有の視覚表現学習法を提案する。 Ego$2$-Map学習は、オブジェクト、構造、遷移などのコンパクトでリッチな情報を、ナビゲーションのためのエージェントのエゴセントリックな表現に転送する。
  論文  参考訳（メタデータ） (2023-07-23T14:01:05Z)
• ScaTE: A Scalable Framework for Self-Supervised Traversability Estimation in Unstructured Environments [7.226357394861987]
  本研究では,自己教師付きトラバーサビリティ学習のためのスケーラブルなフレームワークを提案する。 私たちは、車両が3Dポイントの雲から受ける受容的体験を予測するニューラルネットワークをトレーニングします。 シミュレーションと実世界から収集した各種車両の運転データから,本フレームワークは各種車両の自己監督的走行性を学ぶことができることを示す。
  論文  参考訳（メタデータ） (2022-09-14T09:52:26Z)
• Human-Vehicle Cooperative Visual Perception for Shared Autonomous Driving [9.537146822132904]
  本稿では、共有自動運転の視覚知覚能力を高めるために、人車協調視覚認識法を提案する。 移動学習に基づいて、物体検出のmAPは75.52%に達し、視覚融合の基礎となる。 本研究は、実世界の複雑な交通紛争シナリオにおける共有自動運転と実験のための協調的視覚知覚ソリューションの先駆者である。
  論文  参考訳（メタデータ） (2021-12-17T03:17:05Z)
• Augmented reality navigation system for visual prosthesis [67.09251544230744]
  反応ナビゲーションと経路計画のソフトウェアを組み込んだ視覚補綴用拡張現実ナビゲーションシステムを提案する。 対象を地図上に配置し、対象の軌道を計画し、対象に示し、障害なく再計画する。 その結果,目標を達成するための時間と距離を減らし,障害物衝突の回数を大幅に減らし,航法性能の向上を図っている。
  論文  参考訳（メタデータ） (2021-09-30T09:41:40Z)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• Deep Learning for Embodied Vision Navigation: A Survey [108.13766213265069]
  身体的視覚ナビゲーション」問題では、エージェントが3D環境をナビゲートする必要がある。 本稿では、総合的な文献調査を提供することで、視覚ナビゲーションの具体的分野における現在の研究の概要を確立することを試みる。
  論文  参考訳（メタデータ） (2021-07-07T12:09:04Z)
• Self-Supervised Steering Angle Prediction for Vehicle Control Using Visual Odometry [55.11913183006984]
  視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。 車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-20T16:29:01Z)
• Visual Navigation Among Humans with Optimal Control as a Supervisor [72.5188978268463]
  そこで本研究では,学習に基づく知覚とモデルに基づく最適制御を組み合わせることで,人間間をナビゲートする手法を提案する。 私たちのアプローチは、新しいデータ生成ツールであるHumANavによって実現されています。 学習したナビゲーションポリシーは、将来の人間の動きを明示的に予測することなく、人間に予測し、反応できることを実証する。
  論文  参考訳（メタデータ） (2020-03-20T16:13:47Z)
• PLOP: Probabilistic poLynomial Objects trajectory Planning for autonomous driving [8.105493956485583]
  条件付き模倣学習アルゴリズムを用いて,エゴ車とその周辺地域の軌道を推定する。 私たちのアプローチは計算効率が高く、オンボードセンサーのみに依存します。 公開データセットnuScenesでオフラインで評価する。
  論文  参考訳（メタデータ） (2020-03-09T16:55:07Z)

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。