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
- SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Controllable Adversaries [94.84458417662407]
本稿では,新しい拡散制御型クローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
我々は,認知過程における敵対的項を通して,安全クリティカルなシナリオをシミュレートする新しい手法を開発した。
我々はNuScenesデータセットを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳(メタデータ) (2023-12-31T04:14:43Z) - CAT: Closed-loop Adversarial Training for Safe End-to-End Driving [54.60865656161679]
Adversarial Training (CAT) は、自動運転車における安全なエンドツーエンド運転のためのフレームワークである。
Catは、安全クリティカルなシナリオでエージェントを訓練することで、運転エージェントの安全性を継続的に改善することを目的としている。
猫は、訓練中のエージェントに対抗する敵シナリオを効果的に生成できる。
論文 参考訳(メタデータ) (2023-10-19T02:49:31Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳(メタデータ) (2023-08-02T09:48:08Z) - Evaluating Model-free Reinforcement Learning toward Safety-critical
Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。
安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。
この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文 参考訳(メタデータ) (2022-12-12T06:30:17Z) - A Probabilistic Framework for Estimating the Risk of Pedestrian-Vehicle
Conflicts at Intersections [5.8366275205801985]
本研究では,交差点における歩行者と車両の衝突リスクを推定するための確率的枠組みを提案する。
提案フレームワークは,ガウスプロセス回帰を用いた軌道予測により,一定速度の制約を緩和する。
交差点で収集した実世界のLiDARデータを用いて,提案フレームワークの性能評価を行った。
論文 参考訳(メタデータ) (2022-07-28T15:08:41Z) - Prediction-Based Reachability Analysis for Collision Risk Assessment on
Highways [18.18842948832662]
本稿では,高速道路における衝突危険度予測手法を提案する。
我々は,車両状態を伝搬する多モード確率加速度分布を提供する加速度予測モデルを開発した。
提案した衝突検出アプローチはアジャイルであり、カットインクラッシュイベントにおける衝突の特定に有効である。
論文 参考訳(メタデータ) (2022-05-03T07:58:02Z) - Analyzing vehicle pedestrian interactions combining data cube structure
and predictive collision risk estimation model [5.73658856166614]
本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。
本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
論文 参考訳(メタデータ) (2021-07-26T23:00:56Z) - Congestion-aware Multi-agent Trajectory Prediction for Collision
Avoidance [110.63037190641414]
渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。
学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。
実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
論文 参考訳(メタデータ) (2021-03-26T02:42:33Z) - 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) - Risk-Constrained Interactive Safety under Behavior Uncertainty for
Autonomous Driving [0.0]
許可された計画領域を制限する安全封筒は、行動の不確実性の存在下で解釈可能な安全性をもたらす。
人間は、安全封筒に違反する確率的リスクを受け入れることによって、密集した交通における安全と効率のバランスをとる。
論文 参考訳(メタデータ) (2021-02-05T08:33:39Z)
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。