論文の概要: Autonomous Navigation of Tractor-Trailer Vehicles through Roundabout
Intersections
- arxiv url: http://arxiv.org/abs/2401.04980v1
- Date: Wed, 10 Jan 2024 07:55:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 15:19:01.502658
- Title: Autonomous Navigation of Tractor-Trailer Vehicles through Roundabout
Intersections
- Title(参考訳): 路面通過によるトラクタ・トレーラー車両の自律走行
- Authors: Daniel Attard and Josef Bajada
- Abstract要約: この研究は、高忠実度シミュレーションソフトウェアCARLAを用いて、トラックおよびトレーラーモデルを開発する。
我々は、異なるラウンドアバウンドで73%の成功率を達成することができる準エンドツーエンドの自動運転モデルを訓練する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In recent years, significant advancements have been made in the field of
autonomous driving with the aim of increasing safety and efficiency. However,
research that focuses on tractor-trailer vehicles is relatively sparse. Due to
the physical characteristics and articulated joints, such vehicles require
tailored models. While turning, the back wheels of the trailer turn at a
tighter radius and the truck often has to deviate from the centre of the lane
to accommodate this. Due to the lack of publicly available models, this work
develops truck and trailer models using the high-fidelity simulation software
CARLA, together with several roundabout scenarios, to establish a baseline
dataset for benchmarks. Using a twin-q soft actor-critic algorithm, we train a
quasi-end-to-end autonomous driving model which is able to achieve a 73%
success rate on different roundabouts.
- Abstract(参考訳): 近年,安全と効率の向上をめざして,自動運転の分野で大きな進歩を遂げている。
しかし、トラクター・トレーラー車両に焦点を当てた研究は比較的少ない。
物理的特徴と関節の整合性のため、これらの車両は調整されたモデルを必要とする。
旋回中、トレーラーの後部車輪はより狭い半径で回転し、トラックはしばしば車線の中心から外れてこれに対応する必要がある。
公開モデルがないため、この研究は高忠実度シミュレーションソフトウェアであるCARLAを用いてトラックとトレーラーモデルを開発し、ベンチマークのベースラインデータセットを確立する。
ツインqソフトアクター批判アルゴリズムを用いて、異なるラウンドアバウンドで73%の成功率を達成できる準エンドツーエンドの自動運転モデルを訓練する。
関連論文リスト
- 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) - aiMotive Dataset: A Multimodal Dataset for Robust Autonomous Driving
with Long-Range Perception [0.0]
このデータセットは、同期して校正されたLiDAR、カメラ、および360度の視野をカバーするレーダーセンサーを備えた176のシーンで構成されている。
収集したデータは、昼間、夜、雨の間に、高速道路、都市、郊外で撮影された。
我々は3次元物体検出のための一次元・多モードベースラインモデルを訓練した。
論文 参考訳(メタデータ) (2022-11-17T10:19:59Z) - 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) - An Intelligent Self-driving Truck System For Highway Transportation [81.12838700312308]
本稿では,インテリジェントな自動運転トラックシステムについて紹介する。
提案システムは,1)テストシナリオにおける現実的なトラフィックフローを生成する現実的なトラフィックシミュレーションモジュール,2)実環境における実際のトラックの応答を模倣するために設計,評価された高忠実度トラックモデル,の3つの主要コンポーネントから構成される。
また,提案するシステムを実車に展開し,実車間ギャップを緩和するシステムの能力を示す実物実験を行う。
論文 参考訳(メタデータ) (2021-12-31T04:54:13Z) - Interaction Detection Between Vehicles and Vulnerable Road Users: A Deep
Generative Approach with Attention [9.442285577226606]
交差点における相互作用検出のための条件生成モデルを提案する。
道路利用者の行動の連続性に関する膨大な映像データを自動解析することを目的としています。
モデルの有効性は実世界のデータセットでテストすることによって検証された。
論文 参考訳(メタデータ) (2021-05-09T10:03:55Z) - Maneuver-based Anchor Trajectory Hypotheses at Roundabouts [3.5851903214591663]
人的データから学習することで、挑戦的なラウンドアバウト環境における車両の動き予測の問題に対処する。
ドライバーの意図は、セマンティクス駆動の概念に対応する一連の操作によって符号化される。
我々のモデルは、ラウンドアバウンドにおける可能な結果の空間をカバーする、一連の操作特異的なアンカー軌道を用いる。
論文 参考訳(メタデータ) (2021-04-22T17:08:29Z) - Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。
本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文 参考訳(メタデータ) (2021-04-19T11:48:13Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳(メタデータ) (2020-12-15T03:03:38Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳(メタデータ) (2020-12-04T15:10:12Z) - A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the
First CARLA Autonomous Driving Challenge [49.976633450740145]
本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。
我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
論文 参考訳(メタデータ) (2020-10-23T18:07:48Z)
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。