論文の概要: Motion Comfort Optimization for Autonomous Vehicles: Concepts, Methods, and Techniques

• arxiv url: http://arxiv.org/abs/2306.09462v1
• Date: Thu, 15 Jun 2023 19:32:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-19 16:10:09.719359
• Title: Motion Comfort Optimization for Autonomous Vehicles: Concepts, Methods, and Techniques
• Title（参考訳）: 自動運転車の運動快適性最適化:概念、方法、技術
• Authors: Mohammed Aledhari, Mohamed Rahouti, Junaid Qadir, Basheer Qolomany, Mohsen Guizani, Ala Al-Fuqaha
• Abstract要約: 本稿では、人間の快適性の観点から、自律運転と関連する補完的枠組みのアーキテクチャを概説する。 同時に、本論文では、自動運転の構造と自動運転の反応時間に関する技術を紹介する。
• 参考スコア（独自算出の注目度）: 36.967824818813746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article outlines the architecture of autonomous driving and related complementary frameworks from the perspective of human comfort. The technical elements for measuring Autonomous Vehicle (AV) user comfort and psychoanalysis are listed here. At the same time, this article introduces the technology related to the structure of automatic driving and the reaction time of automatic driving. We also discuss the technical details related to the automatic driving comfort system, the response time of the AV driver, the comfort level of the AV, motion sickness, and related optimization technologies. The function of the sensor is affected by various factors. Since the sensor of automatic driving mainly senses the environment around a vehicle, including "the weather" which introduces the challenges and limitations of second-hand sensors in autonomous vehicles under different weather conditions. The comfort and safety of autonomous driving are also factors that affect the development of autonomous driving technologies. This article further analyzes the impact of autonomous driving on the user's physical and psychological states and how the comfort factors of autonomous vehicles affect the automotive market. Also, part of our focus is on the benefits and shortcomings of autonomous driving. The goal is to present an exhaustive overview of the most relevant technical matters to help researchers and application developers comprehend the different comfort factors and systems of autonomous driving. Finally, we provide detailed automated driving comfort use cases to illustrate the comfort-related issues of autonomous driving. Then, we provide implications and insights for the future of autonomous driving.
• Abstract（参考訳）: 本稿では、人間の快適性の観点から、自律運転と関連する補完的枠組みのアーキテクチャを概説する。 自律走行車(AV)の快適性と精神分析の技術的要素を以下に挙げる。 同時に、本論文では、自動運転の構造と自動運転の反応時間に関する技術を紹介する。 また、自動走行快適度システム、AVドライバの応答時間、AVの快適度、運動障害、および関連する最適化技術に関する技術的詳細についても論じる。 センサーの機能は様々な要因によって影響を受ける。 自動走行センサは、主に「天気」を含む車両周囲の環境を感知するので、異なる気象条件下での自動運転車における中古センサの課題と限界が生じる。 自動運転の快適性と安全性は、自動運転技術の開発に影響を与える要因でもある。 本稿では、自動運転がユーザーの身体的および心理的状態に与える影響と、自動運転車の快適性要因が自動車市場に与える影響をさらに分析する。 また、自動運転のメリットと欠点にも焦点を当てています。 目標は、研究者やアプリケーション開発者が自律運転のさまざまな快適な要素やシステムを理解するのを助けるために、最も関連性の高い技術的問題の概要を示すことである。 最後に,自動運転の快適性に関する問題点を説明するために,自動運転の快適性に関する詳細な事例を提供する。 そして、自動運転の未来への示唆と洞察を与えます。

関連論文リスト

• 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)
• Are you a robot? Detecting Autonomous Vehicles from Behavior Analysis [6.422370188350147]
  本稿では,車両が自律的かどうかを判断するために,カメラ画像と状態情報を用いてアクティブな車両を監視するフレームワークを提案する。 基本的には、自動運転車を識別するための機械学習モデルを提供する道路上で取得したデータをシェアする車両間の協力に基づいて構築される。 実験により,ビデオクリップを80%の精度で解析することにより,2つの行動の識別が可能であることが確認された。
  論文  参考訳（メタデータ） (2024-03-14T17:00:29Z)
• DME-Driver: Integrating Human Decision Logic and 3D Scene Perception in Autonomous Driving [65.04871316921327]
  本稿では,自律運転システムの性能と信頼性を高める新しい自律運転システムを提案する。 DME-Driverは、意思決定者として強力な視覚言語モデル、制御信号生成者として計画指向認識モデルを利用する。 このデータセットを利用することで、論理的思考プロセスを通じて高精度な計画精度を実現する。
  論文  参考訳（メタデータ） (2024-01-08T03:06:02Z)
• Analyze Drivers' Intervention Behavior During Autonomous Driving -- A VR-incorporated Approach [2.7532019227694344]
  この研究は、自動運転車の運転に関わる人間のドライバーの介入行動を理解することに光を当てている。 仮想リアリティ(VR)と交通マイクロシミュレーションを統合する実験環境が実装された。 介入の確率、事故率などのパフォーマンス指標が定義され、リスクレベルを定量化し比較するために使用される。
  論文  参考訳（メタデータ） (2023-12-04T06:36:57Z)
• 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)
• Audiovisual Affect Assessment and Autonomous Automobiles: Applications [0.0]
  このコントリビューションは、課題を予測し、ロードコンテキスト上のマルチモーダルな"オーディオプラスx"におけるモデリングに影響を与える潜在的な方法を提供することを目的としています。 技術的には、乗用車内の個人を全面的にモデル化し、信頼性の高いダイアリゼーションを行う。 結論として、自動感情分析は、最初に選択されたユースケースにおける自動運転車の適用可能性の点まで成熟した。
  論文  参考訳（メタデータ） (2022-03-14T20:39:02Z)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)
• Adversarial Deep Reinforcement Learning for Trustworthy Autonomous Driving Policies [5.254093731341154]
  我々は、自動運転車の深い強化学習ポリシーの改善を支援するために、敵対的な例が利用できることを示した。 高忠実度都市運転シミュレーション環境と視覚ベース運転エージェントを用いて、敵プレイヤーを用いて再訓練した自動運転車が、その運転ポリシーの性能を著しく向上させることを実証した。
  論文  参考訳（メタデータ） (2021-12-22T15:00:16Z)
• Improving Robustness of Learning-based Autonomous Steering Using Adversarial Images [58.287120077778205]
  自動運転用画像入力における学習アルゴリズムw.r.tの堅牢性を解析するためのフレームワークについて紹介する。 感度分析の結果を用いて, 「操縦への学習」 タスクの総合的性能を向上させるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:08:07Z)

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。