論文の概要: A Survey on Approximate Edge AI for Energy Efficient Autonomous Driving
Services
- arxiv url: http://arxiv.org/abs/2304.14271v1
- Date: Thu, 13 Apr 2023 15:41:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 07:11:06.284899
- Title: A Survey on Approximate Edge AI for Energy Efficient Autonomous Driving
Services
- Title（参考訳）: エネルギー効率の良い自動運転サービスのためのエッジAIに関する研究
- Authors: Dewant Katare, Diego Perino, Jari Nurmi, Martijn Warnier, Marijn
Janssen, and Aaron Yi Ding
- Abstract要約: この調査は、接続された車両アプリケーション、車両通信、近似、エッジAI技術についてレビューし、比較する。
その焦点は、新しく提案された近似をカバーし、フレームワークを有効にすることでエネルギー効率を向上させることである。
この調査から得られた洞察とビジョンは、低消費電力およびメモリ制限されたシステム上での協調運転サービス開発に有用である。
- 参考スコア（独自算出の注目度）: 1.7794836351354006
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous driving services rely heavily on sensors such as cameras, LiDAR,
radar, and communication modules. A common practice of processing the sensed
data is using a high-performance computing unit placed inside the vehicle,
which deploys AI models and algorithms to act as the brain or administrator of
the vehicle. The vehicular data generated from average hours of driving can be
up to 20 Terabytes depending on the data rate and specification of the sensors.
Given the scale and fast growth of services for autonomous driving, it is
essential to improve the overall energy and environmental efficiency,
especially in the trend towards vehicular electrification (e.g.,
battery-powered). Although the areas have seen significant advancements in
sensor technologies, wireless communications, computing and AI/ML algorithms,
the challenge still exists in how to apply and integrate those technology
innovations to achieve energy efficiency. This survey reviews and compares the
connected vehicular applications, vehicular communications, approximation and
Edge AI techniques. The focus is on energy efficiency by covering newly
proposed approximation and enabling frameworks. To the best of our knowledge,
this survey is the first to review the latest approximate Edge AI frameworks
and publicly available datasets in energy-efficient autonomous driving. The
insights and vision from this survey can be beneficial for the collaborative
driving service development on low-power and memory-constrained systems and
also for the energy optimization of autonomous vehicles.
- Abstract（参考訳）: 自律運転サービスはカメラ、LiDAR、レーダー、通信モジュールなどのセンサーに大きく依存している。
センシングされたデータを処理する一般的なプラクティスは、車両内に配置された高性能コンピューティングユニットを使用して、aiモデルとアルゴリズムをデプロイして、車両の脳または管理者として機能させる。
平均運転時間から生成された車両データは、センサーのデータレートと仕様に応じて最大20テラバイトまで得ることができる。
自動運転サービスの規模と急速な成長を考えると、特に車両の電気化(例えばバッテリー駆動)のトレンドにおいて、総合的なエネルギー効率と環境効率を向上させることが不可欠である。
センサー技術、無線通信、コンピューティング、AI/MLアルゴリズムなどの分野では大きな進歩があったが、エネルギー効率を達成するためにこれらの技術革新をどのように応用し、統合するかという点では、依然として課題が残っている。
この調査は、接続された車両アプリケーション、車両通信、近似、エッジAI技術についてレビューし、比較する。
新しく提案された近似と実現フレームワークをカバーすることで、エネルギー効率に重点が置かれている。
私たちの知る限りでは、この調査は、エネルギー効率の高い自動運転において、最新の近似エッジAIフレームワークと一般公開データセットを初めてレビューするものです。
この調査から得られた洞察とビジョンは、低消費電力・メモリ制約付きシステムにおける協調運転サービス開発や、自動運転車のエネルギー最適化に有益である。
関連論文リスト
- Data-Centric Evolution in Autonomous Driving: A Comprehensive Survey of
Big Data System, Data Mining, and Closed-Loop Technologies [16.283613452235976]
ボトルネックを克服する鍵は、データ中心の自動運転技術にある。
効率的なデータ中心のAD技術を構築する方法に関して、体系的な知識と深い理解が欠如しています。
この記事では、最先端のデータ駆動自動運転技術について、精力的に検討する。
論文 参考訳（メタデータ） (2024-01-23T16:28:30Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - Applications of Computer Vision in Autonomous Vehicles: Methods, Challenges and Future Directions [2.693342141713236]
本稿では,過去10年間に出版されたコンピュータビジョンと自動運転に関する論文をレビューする。
特に、まず自律運転システムの開発について検討し、各国の主要自動車メーカーによって開発されたこれらのシステムを要約する。
そこで, 深度推定, 物体検出, 車線検出, 信号認識など, 自律運転におけるコンピュータビジョン応用の概要を概観する。
論文 参考訳（メタデータ） (2023-11-15T16:41:18Z) - End-to-end Autonomous Driving: Challenges and Frontiers [45.391430626264764]
エンドツーエンドの自動運転におけるモチベーション、ロードマップ、方法論、課題、今後のトレンドについて、270以上の論文を包括的に分析する。
マルチモダリティ、解釈可能性、因果的混乱、堅牢性、世界モデルなど、いくつかの重要な課題を掘り下げます。
基礎モデルと視覚前訓練の現在の進歩と、これらの技術をエンドツーエンドの駆動フレームワークに組み込む方法について論じる。
論文 参考訳（メタデータ） (2023-06-29T14:17:24Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-16T16:54:10Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳（メタデータ） (2022-05-04T17:55:12Z) - Collaborative Driving: Learning- Aided Joint Topology Formulation and
Beamforming [24.54541437306899]
mmWave/THz帯における運転トポロジと車両ネットワークの定式化を共同で制御する新しいフレームワークである協調自律運転を構想する。
Swarmインテリジェンスシステムとして、コラボレーティブな運転方式は、単一車両インテリジェンスに基づく既存の自律運転パターンを越えている。
我々は、mmWave/THz-based vehicle-to-vehicle (V2V) 通信において、2つの有望なアプローチを示す。
論文 参考訳（メタデータ） (2022-03-18T12:50:35Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳（メタデータ） (2021-04-07T14:31:08Z) - The NEOLIX Open Dataset for Autonomous Driving [1.4091801425319965]
自律走行領域におけるNEOLIXデータセットとその応用について述べる。
私たちのデータセットには、ポイントクラウドラベル付き約30,000フレームと、アノテーション付き600k以上の3Dバウンディングボックスが含まれています。
論文 参考訳（メタデータ） (2020-11-27T02:27:39Z)
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。