論文の概要: A High Fidelity Simulation Framework for Potential Safety Benefits Estimation of Cooperative Pedestrian Perception

• arxiv url: http://arxiv.org/abs/2210.08731v2
• Date: Tue, 18 Oct 2022 07:44:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 10:42:58.575373
• Title: A High Fidelity Simulation Framework for Potential Safety Benefits Estimation of Cooperative Pedestrian Perception
• Title（参考訳）: ペデストリアンの協調知覚の安全性評価のための高忠実度シミュレーションフレームワーク
• Authors: Longrui Chen, Yan Zhang, Wenjie Jiang, Jiangtao Gong, Jiahao Shen, Mengdi Chu, Chuxuan Li, Yifeng Pan, Yifeng Shi, Nairui Luo, Xu Gao, Jirui Yuan, Guyue Zhou, Yaqin Zhang
• Abstract要約: 本稿では,車内構造物(V2I)の歩行者安全戦略の潜在的な安全性を推定できる高忠実度シミュレーションフレームワークを提案する。 中国における混雑した都市交差点のディジタルツインを構築した実験を行った。
• 参考スコア（独自算出の注目度）: 8.502579459395191
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a high-fidelity simulation framework that can estimate the potential safety benefits of vehicle-to-infrastructure (V2I) pedestrian safety strategies. This simulator can support cooperative perception algorithms in the loop by simulating the environmental conditions, traffic conditions, and pedestrian characteristics at the same time. Besides, the benefit estimation model applied in our framework can systematically quantify both the risk conflict (non-crash condition) and the severity of the pedestrian's injuries (crash condition). An experiment was conducted in this paper that built a digital twin of a crowded urban intersection in China. The result shows that our framework is efficient for safety benefit estimation of V2I pedestrian safety strategies.
• Abstract（参考訳）: 本稿では,車両対インフラ(v2i)歩行者安全戦略の潜在的安全性を推定する高忠実度シミュレーションフレームワークを提案する。 本シミュレータは、環境条件、交通条件、歩行者特性を同時にシミュレーションすることにより、ループ内の協調認識アルゴリズムをサポートすることができる。 また,本フレームワークに適用したベネフィット推定モデルでは,リスクコンフリクト(非クラッシュ状態)と歩行者の重症度(クラッシュ状態)の両方を体系的に定量化することができる。 この論文では、中国の混雑した都市交差点のデジタル双生児を製作する実験を行った。 その結果,v2i歩行者安全戦略の安全性評価に有効であることがわかった。

関連論文リスト

• Autonomous Vehicle Decision-Making Framework for Considering Malicious Behavior at Unsignalized Intersections [7.245712580297489]
  自動運転車では、報酬信号は安全や効率などのフィードバック要因に関する通常の報酬として設定される。 本稿では,緊急時の安全性を高めるために,可変重み付けパラメータによって安全ゲインを変調する。 この決定フレームワークは、無人の交差点で潜在的に悪意のある振る舞いをする車両に遭遇する際に、自律走行車両が情報的決定を行うことを可能にする。
  論文  参考訳（メタデータ） (2024-09-11T03:57:44Z)
• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)
• Pedestrian Emergence Estimation and Occlusion-Aware Risk Assessment for Urban Autonomous Driving [0.0]
  都市部における自律走行における歩行者の出現予測と排他的リスク評価システムを提案する。 まず,視覚車や歩行者などの状況情報を用いて,閉塞地域における歩行者の出現確率を推定する。 提案した制御器は安全性と快適性の観点から基準線よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-06T00:07:09Z)
• Reinforcement Learning Based Safe Decision Making for Highway Autonomous Driving [1.995792341399967]
  マルチレーン・シングルエージェント環境での自動運転車の安全な意思決定方法を開発した。 提案手法は深層強化学習を用いて,安全な戦術的意思決定のためのハイレベルな方針を実現する。
  論文  参考訳（メタデータ） (2021-05-13T19:17:30Z)
• An NCAP-like Safety Indicator for Self-Driving Cars [2.741266294612776]
  本稿では,自動運転車の安全性を評価するメカニズムを提案する。 車両が敵と衝突することを避けるシナリオにおいて、車両の安全性を評価する。 セーフカミカゼ距離(Safe-Kamikaze Distance)と呼ばれる安全対策は、安全な敵の軌道と安全な軌道に近いカミカゼ軌道との平均的な類似性を計算する。
  論文  参考訳（メタデータ） (2021-04-02T02:39:53Z)
• 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)
• AdvSim: Generating Safety-Critical Scenarios for Self-Driving Vehicles [76.46575807165729]
  我々は,任意のLiDARベースの自律システムに対して,安全クリティカルなシナリオを生成するための,敵対的フレームワークであるAdvSimを提案する。 センサデータから直接シミュレートすることにより、完全な自律スタックに対して安全クリティカルな敵シナリオを得る。
  論文  参考訳（メタデータ） (2021-01-16T23:23:12Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)
• Interpretable Safety Validation for Autonomous Vehicles [44.44006029119672]
  この研究は、自律システムの解釈可能な障害を見つけるためのアプローチを説明する。 これらの失敗は、人間によって理解できる信号時相論理式によって記述される。
  論文  参考訳（メタデータ） (2020-04-14T21:11:43Z)

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。