論文の概要: Improving Deep Dynamics Models for Autonomous Vehicles with Multimodal
Latent Mapping of Surfaces
- arxiv url: http://arxiv.org/abs/2303.11756v1
- Date: Tue, 21 Mar 2023 11:21:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 15:25:55.660896
- Title: Improving Deep Dynamics Models for Autonomous Vehicles with Multimodal
Latent Mapping of Surfaces
- Title(参考訳): 表面のマルチモーダル潜時マッピングによる自動車の深部ダイナミクスモデルの改善
- Authors: Johan Vertens, Nicolai Dorka, Tim Welschehold, Michael Thompson,
Wolfram Burgard
- Abstract要約: そこで本稿では,潜伏変数ベクトルに条件付けすることで表面認識力学モデルを学ぶ新しい手法を提案する。
潜時マッパーは、複数のモードからの推論中にこれらの潜時変数を更新するように訓練される。
このモデルを用いることで、様々な面および困難面において駆動性能を向上させることができることを示す。
- 参考スコア(独自算出の注目度): 23.023397401781757
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The safe deployment of autonomous vehicles relies on their ability to
effectively react to environmental changes. This can require maneuvering on
varying surfaces which is still a difficult problem, especially for slippery
terrains. To address this issue we propose a new approach that learns a
surface-aware dynamics model by conditioning it on a latent variable vector
storing surface information about the current location. A latent mapper is
trained to update these latent variables during inference from multiple
modalities on every traversal of the corresponding locations and stores them in
a map. By training everything end-to-end with the loss of the dynamics model,
we enforce the latent mapper to learn an update rule for the latent map that is
useful for the subsequent dynamics model. We implement and evaluate our
approach on a real miniature electric car. The results show that the latent map
is updated to allow more accurate predictions of the dynamics model compared to
a model without this information. We further show that by using this model, the
driving performance can be improved on varying and challenging surfaces.
- Abstract(参考訳): 自動運転車の安全な展開は、環境変化に効果的に対応する能力に依存している。
これは、特に滑りやすい地形ではまだ難しい問題である様々な表面の操作を必要とする可能性がある。
この問題に対処するために,現在地に関する表面情報を記憶する潜在変数ベクトルに条件付けすることにより,表面認識ダイナミクスモデルを学ぶ新しい手法を提案する。
潜在マッパーは、対応するロケーションのすべてのトラバースにおける複数のモードからの推論中にこれらの潜伏変数を更新し、マップに格納するように訓練される。
ダイナミクスモデルが失われてエンドツーエンドにすべてトレーニングすることで、潜在マッパーに、それに続くダイナミクスモデルに有用な潜在マップのアップデートルールを学ぶように強制します。
我々はこのアプローチを現実のミニチュア電気自動車に実装し,評価する。
その結果,潜在マップは更新され,この情報を持たないモデルと比較して,動的モデルのより正確な予測が可能となった。
さらに, このモデルを用いることで, 様々な面, 困難面において駆動性能を向上できることを示す。
関連論文リスト
- Generalized Predictive Model for Autonomous Driving [75.39517472462089]
本稿では,自動運転分野における最初の大規模ビデオ予測モデルを紹介する。
我々のモデルはGenADと呼ばれ、新しい時間的推論ブロックでシーンを駆動する際の挑戦的なダイナミクスを扱う。
アクション条件付き予測モデルやモーションプランナーに適応することができ、現実世界の運転アプリケーションに大きな可能性を秘めている。
論文 参考訳(メタデータ) (2024-03-14T17:58:33Z) - Predicting the Future with Simple World Models [12.051527678467775]
本稿では,世界モデルの潜在力学を単純化する正規化手法を提案する。
我々の正規化は下流タスクの精度、一般化、性能を改善する。
論文 参考訳(メタデータ) (2024-01-31T13:52:11Z) - Trajeglish: Learning the Language of Driving Scenarios [75.61820235290608]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳(メタデータ) (2023-12-07T18:53:27Z) - Exploring Model Transferability through the Lens of Potential Energy [78.60851825944212]
トランスファーラーニングは、事前訓練されたディープラーニングモデルが広く利用可能であることから、コンピュータビジョンタスクにおいて重要になっている。
既存のトレーニング済みモデルの転送可能性の測定方法は、符号化された静的特徴とタスクラベルの間の統計的相関に依存する。
我々はこれらの課題に対処するために,PEDという物理に着想を得たアプローチを提案する。
論文 参考訳(メタデータ) (2023-08-29T07:15:57Z) - Context-Conditional Navigation with a Learning-Based Terrain- and
Robot-Aware Dynamics Model [10.064627288573284]
我々は,TRADYNと呼ばれる新しい確率的,地形的,ロボット対応のフォワードダイナミクスモデルを開発した。
本研究では,一輪式ロボットと空間的に異なる摩擦係数を持つ異なる地形配置を備えた2次元ナビゲーション環境において,本手法の評価を行った。
論文 参考訳(メタデータ) (2023-07-18T12:42:59Z) - Learning Terrain-Aware Kinodynamic Model for Autonomous Off-Road Rally
Driving With Model Predictive Path Integral Control [4.23755398158039]
本稿では,固有受容情報と外部受容情報の両方に基づいて,地形を考慮したキノダイナミクスモデルを学習する手法を提案する。
提案モデルでは、6自由度運動の信頼性予測が生成され、接触相互作用を推定することもできる。
シミュレーションされたオフロードトラック実験により提案手法の有効性を実証し,提案手法がベースラインより優れていることを示す。
論文 参考訳(メタデータ) (2023-05-01T06:09:49Z) - Model-Based Reinforcement Learning with Isolated Imaginations [61.67183143982074]
モデルに基づく強化学習手法であるIso-Dream++を提案する。
我々は、切り離された潜在的想像力に基づいて政策最適化を行う。
これにより、野生の混合力学源を孤立させることで、長い水平振動子制御タスクの恩恵を受けることができる。
論文 参考訳(メタデータ) (2023-03-27T02:55:56Z) - TrafficBots: Towards World Models for Autonomous Driving Simulation and
Motion Prediction [149.5716746789134]
我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。
動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。
オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
論文 参考訳(メタデータ) (2023-03-07T18:28:41Z) - Class-Aware Attention for Multimodal Trajectory Prediction [0.7130302992490973]
自律運転における多モーダル軌道予測のための新しい枠組みを提案する。
我々のモデルはリアルタイムに動作することができ、300FPSを超える高い推論速度を達成することができる。
論文 参考訳(メタデータ) (2022-08-31T18:43:23Z) - Autoregressive Dynamics Models for Offline Policy Evaluation and
Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。
また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文 参考訳(メタデータ) (2021-04-28T16:48:44Z) - Iterative Semi-parametric Dynamics Model Learning For Autonomous Racing [2.40966076588569]
本稿では,ニューラルネットワークを用いた反復学習セミパラメトリックモデルを自律レースの課題に適用する。
我々のモデルは純粋にパラメトリックモデルよりも正確に学習でき、純粋に非パラメトリックモデルよりもより一般化できることを示す。
論文 参考訳(メタデータ) (2020-11-17T16:24:10Z)
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。