Fugu-MT 論文翻訳(概要): Intent-Aware Autonomous Driving: A Case Study on Highway Merging Scenarios

論文の概要: Intent-Aware Autonomous Driving: A Case Study on Highway Merging Scenarios

arxiv url: http://arxiv.org/abs/2309.13206v1
Date: Fri, 22 Sep 2023 23:02:21 GMT
ステータス: 処理完了
システム内更新日: 2023-09-26 21:33:05.554667
Title: Intent-Aware Autonomous Driving: A Case Study on Highway Merging Scenarios
Title（参考訳）: インテント認識型自律運転 : 高速道路合併シナリオを事例として
Authors: Nishtha Mahajan, Qi Zhang
Abstract要約: 我々は、自動運転車エージェント間の協力を促進する手段として、意図のコミュニケーションを利用する。我々は高速道路のシミュレーターにおける統合環境上の意図共有タスクとしてこれを実装した。
参考スコア（独自算出の注目度）: 7.298673108358943
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we use the communication of intent as a means to facilitate cooperation between autonomous vehicle agents. Generally speaking, intents can be any reliable information about its future behavior that a vehicle communicates with another vehicle. We implement this as an intent-sharing task atop the merging environment in the simulator of highway-env, which provides a collection of environments for learning decision-making strategies for autonomous vehicles. Under a simple setting between two agents, we carefully investigate how intent-sharing can aid the receiving vehicle in adjusting its behavior in highway merging scenarios.
Abstract（参考訳）: 本研究では,自動運転車エージェント間の協調を促進する手段として,意図のコミュニケーションを利用する。一般的に、意図は、車両が他の車両と通信する将来の行動に関する信頼できる情報となる。自動運転車の意思決定戦略を学習するための環境群を提供するhighway-envシミュレータにおいて,統合環境上でのインテント共有タスクとして実装する。 2つのエージェント間の簡単な設定の下で、高速道路のマージシナリオにおいて、インテントシェアリングが受信車両の挙動の調整にどのように役立つか慎重に検討する。

関連論文リスト

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)
Spatial Intelligence of a Self-driving Car and Rule-Based Decision Making [0.0]
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。
論文参考訳（メタデータ） (2023-08-02T11:27:41Z)
Robust Driving Policy Learning with Guided Meta Reinforcement Learning [49.860391298275616]
本稿では,ソーシャルカーの多種多様な運転方針を一つのメタ政治として訓練する効率的な方法を提案する。ソーシャルカーのインタラクションに基づく報酬関数をランダム化することにより、多様な目的を生み出し、メタ政治を効率的に訓練することができる。本研究では,社会自動車が学習メタ政治によって制御される環境を利用して,エゴ自動車の運転方針の堅牢性を高めるためのトレーニング戦略を提案する。
論文参考訳（メタデータ） (2023-07-19T17:42:36Z)
Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset [103.35624417260541]
分散車両調整は、未整備の道路環境において有用である。我々はバークレーのDeepDrive Droneデータセットを収集し、近くのドライバーが観察する暗黙の「社会的エチケット」を研究する。このデータセットは、人間のドライバーが採用する分散マルチエージェント計画と、リモートセンシング設定におけるコンピュータビジョンの研究に主に関心がある。
論文参考訳（メタデータ） (2022-09-19T05:06:57Z)
Exploring the trade off between human driving imitation and safety for traffic simulation [0.34410212782758043]
運転方針の学習において,人間の運転の模倣と安全維持との間にはトレードオフが存在することを示す。両目的を協調的に改善する多目的学習アルゴリズム(MOPPO)を提案する。
論文参考訳（メタデータ） (2022-08-09T14:30:19Z)
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)
Human-Vehicle Cooperative Visual Perception for Shared Autonomous Driving [9.537146822132904]
本稿では、共有自動運転の視覚知覚能力を高めるために、人車協調視覚認識法を提案する。移動学習に基づいて、物体検出のmAPは75.52%に達し、視覚融合の基礎となる。本研究は、実世界の複雑な交通紛争シナリオにおける共有自動運転と実験のための協調的視覚知覚ソリューションの先駆者である。
論文参考訳（メタデータ） (2021-12-17T03:17:05Z)
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)
Driving Tasks Transfer in Deep Reinforcement Learning for Decision-making of Autonomous Vehicles [6.578495322360851]
本稿では,区間間環境における運転タスクを変換するための伝達深度強化学習フレームワークを構築した。自走自走車(AEV)の目標は、交差点の状況を効率的かつ安全に通り抜けることである。同様のタスクに関連する意思決定戦略は、転送可能である。
論文参考訳（メタデータ） (2020-09-07T17:34:01Z)
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。