Fugu-MT 論文翻訳(概要): Analyzing the Robustness of PECNet

論文の概要: Analyzing the Robustness of PECNet

arxiv url: http://arxiv.org/abs/2210.09846v1
Date: Sat, 15 Oct 2022 11:00:54 GMT
ステータス: 処理完了
システム内更新日: 2022-10-19 13:12:20.734844
Title: Analyzing the Robustness of PECNet
Title（参考訳）: PECNetのロバスト性の解析
Authors: Aryan Garg, Renu M. Rameshan
Abstract要約: 自動運転車の歩行者軌道予測システムであるPECNetの包括的解析データセット分析と分類のための新しいメトリクスが導入された。 FDEでは、ADEを妥協しながら、最先端の結果に対して9.5%の改善が見られた。
参考スコア（独自算出の注目度）: 0.7614628596146599
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Comprehensive robustness analysis of PECNet, a pedestrian trajectory prediction system for autonomous vehicles. A novel metric is introduced for dataset analysis and classification. Synthetic data augmentation techniques ranging from Newtonian mechanics to Deep Reinforcement Learning based simulations are used to improve and test the system. An improvement of 9.5% over state-of-the-art results is seen on the FDE while compromising ADE. We introduce novel architectural changes using SIRENs for higher precision results to validate our robustness hypotheses. Additionally, we diagrammatically propose a novel multi-modal system for the same task.
Abstract（参考訳）: 自動運転車の歩行者軌道予測システムであるPECNetの総合ロバスト性解析データセット分析と分類のための新しいメトリクスが導入された。システムの改善とテストには、ニュートン力学から深層強化学習に基づくシミュレーションまで、合成データ拡張技術が使用される。 FDEでは、ADEを妥協しながら、最先端の結果に対して9.5%の改善が見られた。我々は,SIRENを用いた新しいアーキテクチャ変更を導入し,ロバスト性仮説を検証する。また,同じタスクに対して,新たなマルチモーダルシステムを提案する。

関連論文リスト

Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
運動プランナー(MP)は複雑な都市環境における安全なナビゲーションに不可欠である。最近リリースされたMPベンチマークであるnuPlanは、クローズドループシミュレーションロジックで現実世界の駆動ログを拡張することで、この制限に対処している。本稿では,モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverを提案する。
論文参考訳（メタデータ） (2024-06-15T18:53:45Z)
EPG-MGCN: Ego-Planning Guided Multi-Graph Convolutional Network for Heterogeneous Agent Trajectory Prediction [0.0]
本稿では,異種エージェントの軌跡を予測するためのego-planning guided multi-graph convolutional network (EPG-MGCN)を提案する。 EPG-MGCNはまず4つのグラフトポロジを用いて社会的相互作用をモデル化する。最後に、カテゴリ固有のゲートリカレントユニット(CS-GRU)エンコーダデコーダは、各種類のエージェントに対する将来のトラジェクトリを生成するように設計されている。
論文参考訳（メタデータ） (2023-03-29T21:14:05Z)
ReVoLT: Relational Reasoning and Voronoi Local Graph Planning for Target-driven Navigation [1.0896567381206714]
Embodied AIは、知的な実体と現実世界の相互作用を強調する必然的なトレンドである。グラフニューラルネットワーク(GNN)によるレイアウト関係の活用に関する研究このタスクを分離し、階層的なフレームワークであるReVoLTを提案する。
論文参考訳（メタデータ） (2023-01-06T05:19:56Z)
RNGDet++: Road Network Graph Detection by Transformer with Instance Segmentation and Multi-scale Features Enhancement [19.263691277963368]
道路網のグラフ構造は、グローバルな計画、動き予測、制御など、自律運転システムの下流業務に不可欠である。これまでは、道路ネットワークグラフは人の専門家によって手動で注釈付けされていた。前者は、プロセス後セマンティックセグメンテーションマップや、ロードネットワークグラフを直接予測するグラフベースのアルゴリズムを提案している。それまでの作業は、ハードコードされた処理アルゴリズムと劣った最終性能に悩まされていた。提案されたアプローチはRNGDetから改善されているため、RNGDet++と呼ばれている。
論文参考訳（メタデータ） (2022-09-21T07:06:46Z)
OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文参考訳（メタデータ） (2021-10-02T01:21:38Z)
SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文参考訳（メタデータ） (2021-08-03T02:56:21Z)
Stepwise Goal-Driven Networks for Trajectory Prediction [24.129731432223416]
観測されたエージェントの将来の軌跡を,複数の時間スケールで推定し,その目標を用いて予測することを提案する。 SGNet(Stepwise Goal-Driven Network)という新しい軌道予測ネットワークを提案する。特に、フレームワークには、履歴情報をキャプチャするエンコーダモジュール、一連の目標を未来に予測するステップワイズ目標推定モジュール、将来の軌道を予測するデコーダモジュールが組み込まれています。
論文参考訳（メタデータ） (2021-03-25T19:51:54Z)
Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文参考訳（メタデータ） (2020-07-28T07:34:30Z)
PnPNet: End-to-End Perception and Prediction with Tracking in the Loop [82.97006521937101]
我々は、自動運転車の文脈において、共同認識と運動予測の問題に取り組む。我々は,入力センサデータとしてエンド・ツー・エンドのモデルであるNetを提案し,各ステップのオブジェクト追跡とその将来レベルを出力する。
論文参考訳（メタデータ） (2020-05-29T17:57:25Z)
It Is Not the Journey but the Destination: Endpoint Conditioned Trajectory Prediction [59.027152973975575]
フレキシブルな人間の軌道予測のための予測条件付きネットワーク(PECNet)を提案する。 PECNetは長距離マルチモーダル軌道予測を支援するために遠方のエンドポイントを推論する。我々は、PECNetがスタンフォードドローン軌道予測ベンチマークの最先端性能を20.9%改善し、ETH/UCYベンチマークの40.8%向上したことを示す。
論文参考訳（メタデータ） (2020-04-04T21:27:13Z)

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。