論文の概要: Collaborative Perception for Autonomous Driving: Current Status and
Future Trend
- arxiv url: http://arxiv.org/abs/2208.10371v1
- Date: Mon, 22 Aug 2022 14:51:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-23 14:09:13.925788
- Title: Collaborative Perception for Autonomous Driving: Current Status and
Future Trend
- Title(参考訳): 自律運転のための協調認知の現状と将来展望
- Authors: Shunli Ren, Siheng Chen, Wenjun Zhang
- Abstract要約: 車両が情報を共有することで、視線や視野を超えた環境を知覚できるコラボレーティブな認識が提案されている。
本稿では,コラボレーティブモードを一般化し,コラボレーティブ認知の重要な要素と応用を要約する,基本的な概念を紹介する。
- 参考スコア(独自算出の注目度): 33.6716877086539
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Perception is one of the crucial module of the autonomous driving system,
which has made great progress recently. However, limited ability of individual
vehicles results in the bottleneck of improvement of the perception
performance. To break through the limits of individual perception,
collaborative perception has been proposed which enables vehicles to share
information to perceive the environments beyond line-of-sight and
field-of-view. In this paper, we provide a review of the related work about the
promising collaborative perception technology, including introducing the
fundamental concepts, generalizing the collaboration modes and summarizing the
key ingredients and applications of collaborative perception. Finally, we
discuss the open challenges and issues of this research area and give some
potential further directions.
- Abstract(参考訳): 認識は自動運転システムの重要なモジュールの1つであり、近年は大きな進歩を遂げている。
しかし、個々の車両の能力の制限は、知覚性能の向上のボトルネックをもたらす。
個々の知覚の限界を突破するために、車両が情報を共有し、視線や視野を超えた環境を認識できるようにする協調的知覚が提案されている。
本稿では,基本的な概念の導入,コラボレーティブモードの一般化,コラボレーティブセンシングの鍵となる要素と応用の要約など,コラボレーティブセンシング技術に関する関連研究のレビューを行う。
最後に,本研究領域のオープンな課題と課題について議論し,さらなる方向性を示す。
関連論文リスト
- Evaluating Roadside Perception for Autonomous Vehicles: Insights from
Field Testing [7.755003755937953]
本稿では,道路側認識システムの性能評価を目的とした総合評価手法を提案する。
本手法は,実世界の実地試験を基礎とした計測技術,計量選択,実験的試行設計を含む。
本研究の成果は,業界標準ベンチマークや評価手法の開発に資することを目的としている。
論文 参考訳(メタデータ) (2024-01-22T22:47:02Z) - Collaborative Perception for Connected and Autonomous Driving:
Challenges, Possible Solutions and Opportunities [10.749959052350594]
コネクテッド・自動運転車(CAV)との協調的な認識は、これらの制限を克服するための有望な解決策である。
本稿では、まず、データ共有の非同期性、データボリューム、エラーの対応など、協調的な知覚の課題を識別する。
本稿では,チャネル認識型協調認識フレームワークである通信効率と遅延問題に対処する手法を提案する。
論文 参考訳(メタデータ) (2024-01-03T05:33:14Z) - Towards Full-scene Domain Generalization in Multi-agent Collaborative
Bird's Eye View Segmentation for Connected and Autonomous Driving [54.60458503590669]
協調認識の学習段階と推論段階の両方に適用可能な統合ドメイン一般化フレームワークを提案する。
我々は、AmpAug(Amplitude Augmentation)法を用いて、低周波画像の変動を増大させ、学習能力を拡大する。
推論フェーズでは、システム内ドメインアライメント機構を導入し、ドメインの不一致を減らし、潜在的に排除する。
論文 参考訳(メタデータ) (2023-11-28T12:52:49Z) - Rethinking Integration of Prediction and Planning in Deep Learning-Based
Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。
我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文 参考訳(メタデータ) (2023-08-10T17:53:03Z) - End-to-end Autonomous Driving: Challenges and Frontiers [46.05011954549315]
自動運転コミュニティは、エンドツーエンドのアルゴリズムフレームワークを採用するアプローチの急速な成長を目撃している。
エンドツーエンドの自動運転におけるモチベーション、ロードマップ、方法論、課題、今後のトレンドについて、250以上の論文を包括的に分析する。
論文 参考訳(メタデータ) (2023-06-29T14:17:24Z) - Collaborative Perception in Autonomous Driving: Methods, Datasets and
Challenges [19.0876933975015]
協調認識は、自律運転における閉塞性やセンサ障害の問題に対処するために不可欠である。
本研究は, このギャップを埋め, 今後の研究を動機付けるために, この分野における最近の成果を概観するものである。
論文 参考訳(メタデータ) (2023-01-16T05:08:50Z) - Studying Person-Specific Pointing and Gaze Behavior for Multimodal
Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。
既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。
本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
論文 参考訳(メタデータ) (2020-09-23T14:56:19Z) - Evaluating Interactive Summarization: an Expansion-Based Framework [97.0077722128397]
対話型要約のためのエンドツーエンド評価フレームワークを開発した。
我々のフレームワークには、実際のユーザセッションの収集手順と、標準に依存する評価方法が含まれています。
当社のソリューションはすべて、ベンチマークとして公開されることを意図しています。
論文 参考訳(メタデータ) (2020-09-17T15:48:13Z) - Cooperative LIDAR Object Detection via Feature Sharing in Deep Networks [11.737037965090535]
協調物体検出(FS-COD)のための特徴共有の概念を導入する。
提案手法では, 協調車両間で部分的に処理されたデータを共有することにより, 環境の理解を深める。
提案手法は,従来の単車車物体検出手法よりも性能に優れていた。
論文 参考訳(メタデータ) (2020-02-19T20:47:09Z)
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。