論文の概要: V2X Cooperative Perception for Autonomous Driving: Recent Advances and
Challenges
- arxiv url: http://arxiv.org/abs/2310.03525v2
- Date: Mon, 6 Nov 2023 12:53:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 20:39:59.990798
- Title: V2X Cooperative Perception for Autonomous Driving: Recent Advances and
Challenges
- Title(参考訳): 自動運転におけるV2X協調認識の最近の進歩と課題
- Authors: Tao Huang, Jianan Liu, Xi Zhou, Dinh C. Nguyen, Mostafa Rahimi
Azghadi, Yuxuan Xia, Qing-Long Han, Sumei Sun
- Abstract要約: V2X(Cooperative Perception with Vehicle-to-Everything)は、障害を克服し、自動化システムを強化するソリューションとして登場した。
本稿では,初期の探査から最近の開発まで,CP技術の進化を概観する。
この分類学において、既存のデータセットとシミュレータを評価する広範な文献レビューが実施されている。
- 参考スコア(独自算出の注目度): 33.49953433790604
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Accurate perception is essential for advancing autonomous driving and
addressing safety challenges in modern transportation systems. Despite
significant advancements in computer vision for object recognition, current
perception methods still face difficulties in complex real-world traffic
environments. Challenges such as physical occlusion and limited sensor field of
view persist for individual vehicle systems. Cooperative Perception (CP) with
Vehicle-to-Everything (V2X) technologies has emerged as a solution to overcome
these obstacles and enhance driving automation systems. While some research has
explored CP's fundamental architecture and critical components, there remains a
lack of comprehensive summaries of the latest innovations, particularly in the
context of V2X communication technologies. To address this gap, this paper
provides a comprehensive overview of the evolution of CP technologies, spanning
from early explorations to recent developments, including advancements in V2X
communication technologies. Additionally, a contemporary generic framework is
also proposed to illustrate the V2X-based CP workflow, aiding in the structured
understanding of CP system components. Furthermore, this paper categorizes
prevailing V2X-based CP methodologies based on the critical issues they
address. An extensive literature review is conducted within this taxonomy,
evaluating existing datasets and simulators. Finally, open challenges and
future directions in CP for autonomous driving are discussed by considering
both perception and V2X communication advancements.
- Abstract(参考訳): 正確な認識は、現代の交通システムにおける自律運転の推進と安全上の課題への対処に不可欠である。
物体認識のためのコンピュータビジョンの進歩にもかかわらず、現在の認識手法は複雑な現実世界の交通環境において困難に直面している。
物理的閉塞や限定的なセンサー視野といった課題は、個々の車両システムに持続する。
V2X技術を用いた協調認識(CP)は、これらの障害を克服し、自動化システムを強化するソリューションとして登場した。
CPの基本アーキテクチャと重要なコンポーネントを探求する研究もあるが、最新のイノベーション、特にV2X通信技術の文脈において、包括的な要約は残っていない。
このギャップに対処するため,本論文では,V2X通信技術の発展など,初期の調査から最近の発展まで,CP技術の進化を包括的に概観する。
さらに、V2XベースのCPワークフローを記述し、CPシステムコンポーネントの構造的理解を支援するために、同時代の汎用フレームワークも提案されている。
さらに本論文では,v2xベースのcp方法論を,その課題に基づいて分類する。
この分類学において、既存のデータセットとシミュレータを評価する広範な文献レビューが行われる。
最後に、自律運転におけるCPのオープン課題と今後の方向性について、知覚とV2X通信の進展を両立させることにより論じる。
関連論文リスト
- Deep Reinforcement Learning Algorithms for Hybrid V2X Communication: A
Benchmarking Study [39.214784277182304]
本稿では,Deep Reinforcement Learning (DRL)アルゴリズムを用いて,V2Xにおける垂直ハンドオーバ問題に対処する。
ベンチマークアルゴリズムは、V-VLCヘッドライトの冗長性と使用率の観点から、現在の最先端アプローチよりも優れている。
論文 参考訳(メタデータ) (2023-10-04T12:32:14Z) - Towards Vehicle-to-everything Autonomous Driving: A Survey on
Collaborative Perception [40.90789787242417]
自動車から全車への自動運転(V2X)は、新しい世代のインテリジェント交通システムを開発する上で有望な方向を開く。
V2Xを実現するための重要な要素として協調的知覚(CP)は、個々の知覚の固有の限界を克服することができる。
我々は、V2XシナリオのCPメソッドの包括的なレビューを行い、コミュニティに深い深い深い理解をもたらします。
論文 参考訳(メタデータ) (2023-08-31T13:28:32Z) - Rethinking Integration of Prediction and Planning in Deep Learning-Based
Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。
我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文 参考訳(メタデータ) (2023-08-10T17:53:03Z) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳(メタデータ) (2023-07-05T21:38:36Z) - 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) - Deep Learning for Event-based Vision: A Comprehensive Survey and
Benchmarks [88.44377206798484]
イベントカメラはバイオインスパイアされたセンサーで、ピクセルごとの強度の変化を非同期に捉える。
深層学習(DL)はこの新興分野に導入され、その可能性のマイニングに活発な研究努力にインスピレーションを与えている。
我々は、イベントベースのビジョンのためのDL技術の最新の開発に焦点をあてて、包括的で詳細な調査を初めて実施する。
論文 参考訳(メタデータ) (2023-02-17T14:19:28Z) - V2XP-ASG: Generating Adversarial Scenes for Vehicle-to-Everything
Perception [37.41995438002604]
V2X知覚システムはすぐに大規模に展開される。
現実のデプロイメントに先立って,困難なトラフィックシナリオの下で,パフォーマンスの評価と改善を行なうには,どうすればよいのでしょう?
本稿では,V2XP-ASGのオープンなシーン生成手法を提案する。
論文 参考訳(メタデータ) (2022-09-27T20:34:41Z) - A Survey and Framework of Cooperative Perception: From Heterogeneous
Singleton to Hierarchical Cooperation [14.525705886707089]
本稿では,協調知覚(CP)研究の進展を概観し,統一的なCPフレームワークを提案する。
CPは、自動化を促進するための認識のボトルネックを解き放つために生まれた。
階層的なCPフレームワークが提案され、続いて既存のデータセットとシミュレータをレビューし、CPの全体像をスケッチする。
論文 参考訳(メタデータ) (2022-08-22T20:47:35Z) - V2X-ViT: Vehicle-to-Everything Cooperative Perception with Vision
Transformer [58.71845618090022]
我々は、道路上のエージェント間で情報を融合するために、V2X-ViTという全体論的アテンションモデルを構築した。
V2X-ViTは異質なマルチエージェント自己アテンションとマルチスケールウィンドウ自己アテンションの交互層から構成される。
我々のアプローチを検証するために、我々は大規模なV2X知覚データセットを作成します。
論文 参考訳(メタデータ) (2022-03-20T20:18:25Z) - V2X-Sim: A Virtual Collaborative Perception Dataset for Autonomous
Driving [26.961213523096948]
V2X(V2X)は、車両と周囲のあらゆる物体の協調を意味する。
V2X-Simデータセットは、自動運転における最初の大規模協調認識データセットである。
論文 参考訳(メタデータ) (2022-02-17T05:14:02Z)
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。