論文の概要: Data and Knowledge for Overtaking Scenarios in Autonomous Driving
- arxiv url: http://arxiv.org/abs/2305.19421v1
- Date: Tue, 30 May 2023 21:27:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 19:26:29.516604
- Title: Data and Knowledge for Overtaking Scenarios in Autonomous Driving
- Title（参考訳）: 自動運転におけるシナリオ超過のためのデータと知識
- Authors: Mariana Pinto, In\^es Dutra and Joaquim Fonseca
- Abstract要約: オーバーテイク・エクササイズは、運転において最も重要な行動の1つである。
文献で利用できる作業量にもかかわらず、ほんの少しの操作しか処理できない。
この研究は、この領域に寄与し、新たな合成データセットを提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous driving has become one of the most popular research topics within
Artificial Intelligence. An autonomous vehicle is understood as a system that
combines perception, decision-making, planning, and control. All of those tasks
require that the vehicle collects surrounding data in order to make a good
decision and action. In particular, the overtaking maneuver is one of the most
critical actions of driving. The process involves lane changes, acceleration
and deceleration actions, and estimation of the speed and distance of the
vehicle in front or in the lane in which it is moving. Despite the amount of
work available in the literature, just a few handle overtaking maneuvers and,
because overtaking can be risky, no real-world dataset is available. This work
contributes in this area by presenting a new synthetic dataset whose focus is
the overtaking maneuver. We start by performing a thorough review of the state
of the art in autonomous driving and then explore the main datasets found in
the literature (public and private, synthetic and real), highlighting their
limitations, and suggesting a new set of features whose focus is the overtaking
maneuver.
- Abstract（参考訳）: 自律運転は人工知能の中で最も人気のある研究トピックの1つになっている。
自動運転車は、知覚、意思決定、計画、制御を組み合わせるシステムとして理解されている。
これらのタスクはすべて、車両が適切な判断と行動を行うために周辺データを収集する必要がある。
特に、オーバーテイク操作は、運転において最も重要な行動の1つである。
このプロセスには車線の変更、加速と減速のアクション、および車線が動いている前車線または車線の速度と距離の推定が含まれる。
文献で利用可能な作業量にもかかわらず、ほんの数回しか乗っ取られず、乗っ取りはリスクが高いため、現実世界のデータセットは利用できない。
この研究は、オーバーテイク操作に焦点を当てた新しい合成データセットを提示することで、この分野に寄与する。
まず、自動運転における技術の現状を徹底的にレビューし、文献(パブリック、プライベート、シンセサイザー、リアル)で見られる主要なデータセットを探索し、それらの制限を強調し、その取り組みに重点を置く新しい機能のセットを提案することから始めます。
関連論文リスト
- Pedestrian motion prediction evaluation for urban autonomous driving [0.0]
我々は、従来の動き予測指標の妥当性を決定するために、提供されたオープンソースソリューションを用いて、選択した出版物を解析する。
この視点は、既存の最先端の歩行者運動予測問題の現実的なパフォーマンスを探している、自動運転やロボット工学の潜在的なエンジニアにとって価値があるだろう。
論文 参考訳（メタデータ） (2024-10-22T10:06:50Z) - Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。
私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
論文 参考訳（メタデータ） (2024-07-09T04:56:11Z) - Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - 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) - On the Road with GPT-4V(ision): Early Explorations of Visual-Language
Model on Autonomous Driving [37.617793990547625]
本報告では,最新のVLMであるGPT-4Vの徹底的な評価を行う。
我々は、シーンを駆動し、決定を下し、最終的にはドライバーの能力で行動する、モデルを理解する能力について探求する。
GPT-4Vは,既存の自律システムと比較して,シーン理解や因果推論において優れた性能を示した。
論文 参考訳（メタデータ） (2023-11-09T12:58:37Z) - Recent Advancements in End-to-End Autonomous Driving using Deep
Learning: A Survey [9.385936248154987]
エンド・ツー・エンドの運転は、モジュラーシステムに関連する欠点を回避するため、有望なパラダイムである。
エンド・ツー・エンド自動運転の最近の進歩は分析され、基礎原理に基づいて研究が分類される。
本稿では,最先端の評価,課題の特定,今後の可能性を探る。
論文 参考訳（メタデータ） (2023-07-10T07:00:06Z) - 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) - Exploring Contextual Representation and Multi-Modality for End-to-End
Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。
我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。
提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文 参考訳（メタデータ） (2022-10-13T05:56:20Z) - Towards Autonomous Driving of Personal Mobility with Small and Noisy
Dataset using Tsallis-statistics-based Behavioral Cloning [1.7970523486905976]
本研究は、小型でノイズの多い、いわゆるパーソナル・データセットを用いた、パーソナル・モビリティのための自律運転方式に焦点を当てた。
具体的には、Tsallis統計に基づく新しい損失関数を導入し、元の損失関数に依存する勾配を重み付けする。
さらに、ドライバとコントローラが同じ関心領域を持つかどうかを検証するために、可視化技術を改善する。
論文 参考訳（メタデータ） (2021-11-29T01:56:12Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Learning Accurate and Human-Like Driving using Semantic Maps and
Attention [152.48143666881418]
本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。
HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。
私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
論文 参考訳（メタデータ） (2020-07-10T22:25:27Z)
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。