Fugu-MT 論文翻訳(概要): Spatial Intelligence of a Self-driving Car and Rule-Based Decision Making

論文の概要: Spatial Intelligence of a Self-driving Car and Rule-Based Decision Making

arxiv url: http://arxiv.org/abs/2308.01085v1
Date: Wed, 2 Aug 2023 11:27:41 GMT
ステータス: 処理完了
システム内更新日: 2023-08-03 13:09:48.955328
Title: Spatial Intelligence of a Self-driving Car and Rule-Based Decision Making
Title（参考訳）: 自動運転車の空間知性とルールに基づく意思決定
Authors: Stanislav Kikot
Abstract要約: 複雑な交通状況下での自動運転車の人間的な動作を実現するために,ルールに基づく意思決定と従来の動作計画手法を組み合わせる方法について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we show how rule-based decision making can be combined with traditional motion planning techniques to achieve human-like behavior of a self-driving vehicle in complex traffic situations. We give and discuss examples of decision rules in autonomous driving. We draw on these examples to illustrate that developing techniques for spatial awareness of robots is an exciting activity which deserves more attention from spatial reasoning community that it had received so far.
Abstract（参考訳）: 本稿では,複雑な状況下での自動運転車の人間的な行動を実現するために,従来の行動計画手法とルールに基づく意思決定を組み合わせる方法を提案する。自律運転における意思決定ルールの例を示し,議論する。これらの例をもとに,ロボットの空間認識技術の開発は,これまで受けてきた空間的推論コミュニティからより注目に値するエキサイティングな活動であることを示す。

関連論文リスト

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)
A Language Agent for Autonomous Driving [31.359413767191608]
本稿では,人間のような知性を自律運転システムに統合するためのパラダイムシフトを提案する。当社のアプローチはAgent-Driverと呼ばれ,汎用ツールライブラリを導入して,従来の自律走行パイプラインを変革する。 LLM(Large Language Models)によって駆動されるエージェントドライブには直感的な常識と堅牢な推論能力が備わっています。
論文参考訳（メタデータ） (2023-11-17T18:59:56Z)
Decision-Making for Autonomous Vehicles with Interaction-Aware Behavioral Prediction and Social-Attention Neural Network [7.812717451846781]
本稿では,運転者の対話意図を潜伏する社会心理学的パラメータにエンコードする行動モデルを提案する。我々は、自律走行車決定のための後退水平最適化に基づく制御器を開発した。我々は,提案する意思決定モジュールについて,強制的な高速道路合併シナリオにおいて広範囲に評価する。
論文参考訳（メタデータ） (2023-10-31T03:31:09Z)
Interaction-Aware Decision-Making for Autonomous Vehicles in Forced Merging Scenario Leveraging Social Psychology Factors [7.812717451846781]
インタラクションドライバの社会的行動と個人的目的の両方を取り入れた行動モデルを考える。我々は、他のドライバーの意図をオンラインで見積もる、後退する水平制御に基づく意思決定戦略を開発する。
論文参考訳（メタデータ） (2023-09-25T19:49:14Z)
Explaining Autonomous Driving Actions with Visual Question Answering [3.0072636355661277]
本稿では,質問応答に基づく因果推論を用いた運転行動の説明を行う視覚質問応答(VQA)フレームワークを提案する。実証的な結果は、VQAメカニズムが自動運転車のリアルタイム意思決定を支援することを示唆している。
論文参考訳（メタデータ） (2023-07-19T18:37:57Z)
Decision Making for Autonomous Driving in Interactive Merge Scenarios via Learning-based Prediction [39.48631437946568]
本稿では,他のドライバの動作から不確実性が生ずる移動トラフィックにマージする複雑なタスクに焦点を当てる。我々はこの問題を部分的に観測可能なマルコフ決定プロセス(POMDP)とみなし、モンテカルロ木探索でオンラインに解決する。 POMDPの解決策は、接近する車に道を譲る、前方の車から安全な距離を維持する、あるいは交通に合流するといった、高いレベルの運転操作を行う政策である。
論文参考訳（メタデータ） (2023-03-29T16:12:45Z)
Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文参考訳（メタデータ） (2022-07-05T16:33:20Z)
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)
Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文参考訳（メタデータ） (2021-01-18T01:43:36Z)
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)
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。