論文の概要: Evaluation of Pedestrian Safety in a High-Fidelity Simulation Environment Framework

• arxiv url: http://arxiv.org/abs/2210.08731v4
• Date: Tue, 30 Jul 2024 00:01:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-31 23:19:20.186473
• Title: Evaluation of Pedestrian Safety in a High-Fidelity Simulation Environment Framework
• Title（参考訳）: 高忠実度シミュレーション環境における歩行者の安全評価
• Authors: Lin Ma, Longrui Chen, Yan Zhang, Mengdi Chu, Wenjie Jiang, Jiahao Shen, Chuxuan Li, Yifeng Shi, Nairui Luo, Jirui Yuan, Guyue Zhou, Jiangtao Gong,
• Abstract要約: 本稿では,自動運転のための歩行者安全評価手法を提案する。 歩行者の安全に重要な特徴を組み込んだ高忠実度シミュレーションフレームワークを構築した。 提案手法とフレームワークは、異なる自律運転アルゴリズムにアクセスできる。
• 参考スコア（独自算出の注目度）: 21.456269382916062
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pedestrians' safety is a crucial factor in assessing autonomous driving scenarios. However, pedestrian safety evaluation is rarely considered by existing autonomous driving simulation platforms. This paper proposes a pedestrian safety evaluation method for autonomous driving, in which not only the collision events but also the conflict events together with the characteristics of pedestrians are fully considered. Moreover, to apply the pedestrian safety evaluation system, we construct a high-fidelity simulation framework embedded with pedestrian safety-critical characteristics. We demonstrate our simulation framework and pedestrian safety evaluation with a comparative experiment with two kinds of autonomous driving perception algorithms -- single-vehicle perception and vehicle-to-infrastructure (V2I) cooperative perception. The results show that our framework can evaluate different autonomous driving algorithms with detailed and quantitative pedestrian safety indexes. To this end, the proposed simulation method and framework can be used to access different autonomous driving algorithms and evaluate pedestrians' safety performance in future autonomous driving simulations, which can inspire more pedestrian-friendly autonomous driving algorithms.
• Abstract（参考訳）: 歩行者の安全は、自動運転シナリオを評価する上で重要な要素である。 しかし、既存の自動運転シミュレーションプラットフォームでは、歩行者の安全評価はめったに考慮されない。 本稿では,衝突事故だけでなく,歩行者の特徴を考慮した衝突事故も考慮した自動運転の歩行者安全評価手法を提案する。 さらに,歩行者の安全評価システムに適用するために,歩行者の安全クリティカルな特徴を組み込んだ高忠実度シミュレーションフレームワークを構築した。 本研究では,車車認識と車車間協調認識(V2I)の2種類の自律走行認識アルゴリズムの比較実験により,シミュレーションの枠組みと歩行者の安全評価を実証した。 その結果,本フレームワークは,歩行者の安全度を詳細に,定量的に評価できることがわかった。 この目的のために提案したシミュレーション手法とフレームワークは、異なる自律運転アルゴリズムにアクセスし、将来の自律運転シミュレーションにおいて歩行者の安全性能を評価するために使用することができ、より歩行者に優しい自律運転アルゴリズムを刺激することができる。

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。