Fugu-MT 論文翻訳(概要): Procedural Generation of Complex Roundabouts for Autonomous Vehicle Testing

論文の概要: Procedural Generation of Complex Roundabouts for Autonomous Vehicle Testing

arxiv url: http://arxiv.org/abs/2303.17900v1
Date: Fri, 31 Mar 2023 08:58:31 GMT
ステータス: 処理完了
システム内更新日: 2023-04-03 14:41:06.887996
Title: Procedural Generation of Complex Roundabouts for Autonomous Vehicle Testing
Title（参考訳）: 自律走行車両試験における複雑なラウンドアラウンドの手続き的生成
Authors: Zarif Ikram, Golam Md Muktadir, Jim Whitehead
Abstract要約: ラウンドアバウンドは、徹底的に調査されていない重要な道路セグメントの1つである。本研究は, 近傍の道路構造の幾何学的制約に基づき, 円周を手続き的に構築する新しい手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: High-definition roads are an essential component of realistic driving scenario simulation for autonomous vehicle testing. Roundabouts are one of the key road segments that have not been thoroughly investigated. Based on the geometric constraints of the nearby road structure, this work presents a novel method for procedurally building roundabouts. The suggested method can result in roundabout lanes that are not perfectly circular and resemble real-world roundabouts by allowing approaching roadways to be connected to a roundabout at any angle. One can easily incorporate the roundabout in their HD road generation process or use the standalone roundabouts in scenario-based testing of autonomous driving.
Abstract（参考訳）: 高規格道路は、自動運転車試験のための現実的な運転シナリオシミュレーションの重要な要素である。ラウンドアバウションは、徹底的に調査されていない主要な道路セグメントの1つである。本研究は, 近傍の道路構造の幾何学的制約に基づき, 円周を手続き的に構築する新しい手法を提案する。提案手法は, 完全円形ではなく, 実世界の円形道路に類似した円形道路を任意の角度で結ぶことができる。自動運転車のシナリオベースのテストでは、hd道路生成プロセスにラウンドアラウンドアラウンドを簡単に組み込むか、スタンドアロンラウンドアラウンドアラウンドアラウンドを使用することができます。

関連論文リスト

Autonomous Navigation of Tractor-Trailer Vehicles through Roundabout Intersections [0.0]
この研究は、高忠実度シミュレーションソフトウェアCARLAを用いて、トラックおよびトレーラーモデルを開発する。我々は、異なるラウンドアバウンドで73%の成功率を達成することができる準エンドツーエンドの自動運転モデルを訓練する。
論文参考訳（メタデータ） (2024-01-10T07:55:11Z)
LaneSegNet: Map Learning with Lane Segment Perception for Autonomous Driving [60.55208681215818]
道路構造の完全な表現を得るために,レーンセグメントを生成する最初のエンドツーエンドマッピングネットワークであるLaneSegNetを紹介した。提案アルゴリズムは2つの重要な修正点を特徴としている。1つは、長距離特徴空間内の重要な領域の詳細をキャプチャするレーンアテンションモジュールである。 OpenLane-V2データセットでは、LaneSegNetは3つのタスクにまたがって大幅に向上している。
論文参考訳（メタデータ） (2023-12-26T16:22:10Z)
Effect of roundabout design on the behavior of road users: A case study of roundabouts with application of Unsupervised Machine Learning [1.2166468091046596]
本研究の目的は、ローターの性能を評価し、ローターと相互作用する人間のドライバーの挙動を研究することである。ラウンドアバウンドは交差点のねじれ速度、進入速度、およびその結果の速度への影響を道路利用者のレーティングに依存する。
論文参考訳（メタデータ） (2023-09-25T21:28:52Z)
How Do Drivers Behave at Roundabouts in a Mixed Traffic? A Case Study Using Machine Learning [1.1137087573421256]
本研究では,データ駆動型教師なし機械学習を用いた混在交通環境におけるラウンドアバウンド時の運転行動について検討する。その結果、ラウンドアバウンドを進むドライバーのほとんどは、主に保守的な運転スタイルと正常な運転スタイルの2つに分類できることがわかった。ドライバはラウンドアバウンドでVRUと対話するときに異常に振る舞う傾向にあり、交差点がマルチモーダルである場合のクラッシュのリスクが増大する。
論文参考訳（メタデータ） (2023-09-23T18:02:57Z)
Topology Preserving Local Road Network Estimation from Single Onboard Camera Image [128.881857704338]
本稿では,鳥眼ビュー(BEV)において,局所道路網のトポロジーを抽出することを目的とする。唯一の入力は、シングルオンボードの前方カメラ画像で構成されている。道路トポロジを,道路の交点を用いて捉えた一組の有向車線曲線とその相互作用を用いて表現する。
論文参考訳（メタデータ） (2021-12-19T14:25:22Z)
Autonomous Driving Implementation in an Experimental Environment [0.0]
自律運転システムでは、車線追跡と同様に障害物や信号機の検出が重要である。本研究では,この目的のために設計された実験環境において,自律走行システムを開発した。障害物を避けるために、コーナー検出、光流、拡大の焦点、衝突までの時間、バランス計算、決定機構が作成された。
論文参考訳（メタデータ） (2021-05-23T11:14:09Z)
End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文参考訳（メタデータ） (2021-04-28T07:54:40Z)
DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
論文参考訳（メタデータ） (2020-12-22T21:58:57Z)
Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。 2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文参考訳（メタデータ） (2020-11-21T09:43:50Z)
DiGNet: Learning Scalable Self-Driving Policies for Generic Traffic Scenarios with Graph Neural Networks [26.558394047144006]
大規模交通シナリオを処理可能なスケーラブルな自動運転を実現するために,グラフベースのディープネットワークを提案する。高忠実度運転シミュレータで7000km以上の評価を行う。本手法は交通規制に従えば,都市,農村,高速道路など多種多様な環境下で安全に走行することができる。
論文参考訳（メタデータ） (2020-11-13T06:13:28Z)
Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
論文参考訳（メタデータ） (2020-01-03T11:16:41Z)

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。