Fugu-MT 論文翻訳(概要): Vehicle Type Specific Waypoint Generation

論文の概要: Vehicle Type Specific Waypoint Generation

arxiv url: http://arxiv.org/abs/2208.04987v1
Date: Tue, 9 Aug 2022 18:29:00 GMT
ステータス: 処理完了
システム内更新日: 2022-08-11 12:56:12.732127
Title: Vehicle Type Specific Waypoint Generation
Title（参考訳）: 車種別特異的ウェイポイント生成
Authors: Yunpeng Liu, Jonathan Wilder Lavington, Adam Scibior, Frank Wood
Abstract要約: 本研究では,運転行動の確率論的基礎モデルから車両型特定経路点列を生成するための汎用メカニズムを開発する。本手法は,車両固有制御器の製作に使用される強化学習アルゴリズムの副産物を利用することで,車両型に予測可能な行動モデルを条件付きで特定する。
参考スコア（独自算出の注目度）: 16.469792915842707
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We develop a generic mechanism for generating vehicle-type specific sequences of waypoints from a probabilistic foundation model of driving behavior. Many foundation behavior models are trained on data that does not include vehicle information, which limits their utility in downstream applications such as planning. Our novel methodology conditionally specializes such a behavior predictive model to a vehicle-type by utilizing byproducts of the reinforcement learning algorithms used to produce vehicle specific controllers. We show how to compose a vehicle specific value function estimate with a generic probabilistic behavior model to generate vehicle-type specific waypoint sequences that are more likely to be physically plausible then their vehicle-agnostic counterparts.
Abstract（参考訳）: 運転行動の確率的基礎モデルから車種特異的な経路点列を生成する汎用メカニズムを開発した。多くの基礎行動モデルは、車両情報を含んでいないデータに基づいて訓練され、プランニングのような下流アプリケーションでの実用性を制限している。提案手法は,車両特定制御器の製作に用いられる強化学習アルゴリズムの副産物を用いて,車両種別行動予測モデルを条件付きで特定する。本研究では,一般確率的行動モデルを用いて車両固有値関数を推定し,車両非依存の場合よりも物理的に可能性の高い車両固有経路列を生成する方法を示す。

関連論文リスト

MetaFollower: Adaptable Personalized Autonomous Car Following [63.90050686330677]
適応型パーソナライズされた自動車追従フレームワークであるMetaFollowerを提案する。まず,モデルに依存しないメタラーニング(MAML)を用いて,様々なCFイベントから共通運転知識を抽出する。さらに、Long Short-Term Memory (LSTM) と Intelligent Driver Model (IDM) を組み合わせて、時間的不均一性を高い解釈性で反映する。
論文参考訳（メタデータ） (2024-06-23T15:30:40Z)
Probabilistic Prediction of Longitudinal Trajectory Considering Driving Heterogeneity with Interpretability [12.929047288003213]
本研究では,混合密度ネットワーク(MDN)を組み合わせた軌道予測フレームワークを提案する。提案するフレームワークは、広範囲の車両軌道データセットに基づいてテストされる。
論文参考訳（メタデータ） (2023-12-19T12:56:56Z)
Model Predictive Control with Gaussian-Process-Supported Dynamical Constraints for Autonomous Vehicles [82.65261980827594]
本研究では、学習したガウス過程を利用して人間の運転行動を予測する自動運転車のモデル予測制御手法を提案する。マルチモード予測制御アプローチは、人間のドライバーの意図を考察する。
論文参考訳（メタデータ） (2023-03-08T17:14:57Z)
TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
論文参考訳（メタデータ） (2023-03-07T18:28:41Z)
IDM-Follower: A Model-Informed Deep Learning Method for Long-Sequence Car-Following Trajectory Prediction [24.94160059351764]
ほとんどの自動車追従モデルは生成的であり、最後のステップの速度、位置、加速度の入力のみを考慮する。 2つの独立したエンコーダと、次の軌道を逐次予測できる自己アテンションデコーダを備えた新しい構造を実装した。シミュレーションとNGSIMデータセットの複数の設定による数値実験により、IMM-Followerは予測性能を向上させることができることが示された。
論文参考訳（メタデータ） (2022-10-20T02:24:27Z)
Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
論文参考訳（メタデータ） (2022-04-28T07:37:21Z)
Deep Generative Models for Vehicle Speed Trajectories [2.5137859989323537]
深層生成モデルの拡張によって、正確でスケーラブルな生成が可能になることを示す。シカゴ大都市圏のGPSデータに基づいて訓練したモデルを用いて,車両軌跡生成に優れた性能を示した。
論文参考訳（メタデータ） (2021-12-14T20:14:03Z)
Causal-based Time Series Domain Generalization for Vehicle Intention Prediction [19.944268567657307]
交通参加者の行動の正確な予測は、自動運転車にとって必須の能力である。本稿では,車両意図予測タスクにおける領域一般化問題に対処することを目的とする。提案手法は、他の最先端領域の一般化や振る舞い予測手法と比較して、予測精度を一貫して改善する。
論文参考訳（メタデータ） (2021-12-03T18:58:07Z)
Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
論文参考訳（メタデータ） (2021-03-12T17:00:23Z)
A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文参考訳（メタデータ） (2021-02-12T18:17:12Z)
Learning Probabilistic Intersection Traffic Models for Trajectory Prediction [8.536503379429032]
この研究は、交差点における車両の挙動を定量化するために使用されるガウス過程に基づく確率的交通モデルを示す。この方法は時系列位置軌跡のセットで示される。モデルの適用性を示すために、テスト軌跡は部分的な観察のみで分類される。
論文参考訳（メタデータ） (2020-02-05T19:22:26Z)

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。