論文の概要: Communication-Critical Planning via Multi-Agent Trajectory Exchange

• arxiv url: http://arxiv.org/abs/2303.06080v1
• Date: Fri, 10 Mar 2023 16:59:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 14:05:35.306134
• Title: Communication-Critical Planning via Multi-Agent Trajectory Exchange
• Title（参考訳）: マルチエージェント軌道交換による通信クリティカルプランニング
• Authors: Nathaniel Moore Glaser, Zsolt Kira
• Abstract要約: 本稿では,統合マルチエージェント認識と計画の課題に対処する。 これは、コネクテッド・自動運転車の衝突のないナビゲーションという現実の課題に関連している。
• 参考スコア（独自算出の注目度）: 21.923724399511798
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper addresses the task of joint multi-agent perception and planning, especially as it relates to the real-world challenge of collision-free navigation for connected self-driving vehicles. For this task, several communication-enabled vehicles must navigate through a busy intersection while avoiding collisions with each other and with obstacles. To this end, this paper proposes a learnable costmap-based planning mechanism, given raw perceptual data, that is (1) distributed, (2) uncertainty-aware, and (3) bandwidth-efficient. Our method produces a costmap and uncertainty-aware entropy map to sort and fuse candidate trajectories as evaluated across multiple-agents. The proposed method demonstrates several favorable performance trends on a suite of open-source overhead datasets as well as within a novel communication-critical simulator. It produces accurate semantic occupancy forecasts as an intermediate perception output, attaining a 72.5% average pixel-wise classification accuracy. By selecting the top trajectory, the multi-agent method scales well with the number of agents, reducing the hard collision rate by up to 57% with eight agents compared to the single-agent version.
• Abstract（参考訳）: 本稿では,複数エージェントの協調的知覚と計画の課題について,特に自律走行車における衝突なしナビゲーションの現実的課題との関連について述べる。 この作業のために、複数の通信可能な車両は、互いに衝突したり障害物を伴ったりしながら、忙しい交差点を移動しなければなりません。 そこで本稿では,(1)分散,(2)不確実性認識,(3)帯域効率のよい生の知覚データから,学習可能なコストマップに基づく計画機構を提案する。 提案手法は,マルチエイジェント間で評価される候補軌跡を分類・融合するために,コストマップと不確実性対応エントロピーマップを生成する。 提案手法は,オープンソースのオーバヘッドデータセット群と,新たな通信クリティカルシミュレータ内での性能傾向を示す。 正確なセマンティック占有予測を中間認識出力として生成し、72.5%の平均ピクセル単位の分類精度が得られる。 トップの軌道を選択することで、マルチエージェント法はエージェント数とうまくスケールし、シングルエージェント版と比較して8エージェントのハード衝突率を最大57%削減する。

関連論文リスト

• SIMMF: Semantics-aware Interactive Multiagent Motion Forecasting for Autonomous Vehicle Driving [2.7195102129095003]
  本研究では,意味を空間情報とともに捉えるための意味認識型対話型マルチエージェント動作予測手法を提案する。 具体的には、シーンから関連するエージェントのセマンティック・アウェア・セレクションを実装し、アテンション・メカニズムを通してそれらを渡すことでこれを実現する。 その結果,提案手法は最先端のベースラインより優れており,より正確かつシーン一貫性のある予測が可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-26T17:54:24Z)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)
• Traj-MAE: Masked Autoencoders for Trajectory Prediction [69.7885837428344]
  軌道予測は、危険を予測して信頼性の高い自動運転システムを構築する上で重要な課題である。 本稿では,運転環境におけるエージェントの複雑な動作をよりよく表現する,軌道予測のための効率的なマスク付きオートエンコーダを提案する。 複数エージェント設定と単一エージェント設定の両方の実験結果から,Traj-MAEが最先端手法と競合する結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-03-12T16:23:27Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)
• Multimodal Trajectory Prediction via Topological Invariance for Navigation at Uncontrolled Intersections [45.508973373913946]
  道路交差点において,信号機や信号機を使わずに複数の非通信的合理的エージェント間の分散ナビゲーションに着目した。 我々の重要な洞察は、交差点の幾何学的構造と、効率的に動くエージェントのインセンティブが衝突を避け(合理性)、起こりうる行動の空間を減少させるということである。 マルチエージェント交差点シーンにおける高次モードの軌道表現を再構成するデータ駆動型軌道予測機構であるMTPを設計する。
  論文  参考訳（メタデータ） (2020-11-08T02:56:42Z)
• A Combination of Theta*, ORCA and Push and Rotate for Multi-agent Navigation [0.0]
  集中制御器が存在しない場合の静的環境におけるマルチエージェントナビゲーションの問題点について検討する。 各エージェントは個別に制御され、目標を達成するために3つのアルゴリズムコンポーネントに依存します。
  論文  参考訳（メタデータ） (2020-08-03T22:22:43Z)
• SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
  本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。 エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
  論文  参考訳（メタデータ） (2020-07-26T08:17:10Z)
• Traffic Agent Trajectory Prediction Using Social Convolution and Attention Mechanism [57.68557165836806]
  本稿では,自律走行車周辺における標的エージェントの軌道予測モデルを提案する。 対象エージェントの履歴トラジェクトリをアテンションマスクとしてエンコードし、ターゲットエージェントとその周辺エージェント間の対話関係をエンコードするソーシャルマップを構築する。 提案手法の有効性を検証するため,提案手法を公開データセット上の複数の手法と比較し,20%の誤差低減を実現した。
  論文  参考訳（メタデータ） (2020-07-06T03:48:08Z)
• MultiXNet: Multiclass Multistage Multimodal Motion Prediction [27.046311751308775]
  MultiXNetはライダーセンサデータに基づく検出と動作予測のためのエンドツーエンドのアプローチである。 本手法は,複数の都市でSDV群が収集した大規模実世界のデータを用いて評価した。
  論文  参考訳（メタデータ） (2020-06-03T01:01:48Z)
• Implicit Multiagent Coordination at Unsignalized Intersections via Multimodal Inference Enabled by Topological Braids [15.024091680310109]
  信号のない交差点における合理的な非コミュニケーションエージェント間のナビゲーションに焦点をあてる。 我々はトポロジカルブレイドの形式主義を用いてコンパクトで解釈可能な方法で共同行動のモードを表現する。 我々は,新たなマルチエージェント動作のモードにおける不確実性を低減するための行動を生成する分散計画アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-04-10T19:01:29Z)

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。