Fugu-MT 論文翻訳(概要): End-To-End Planning of Autonomous Driving in Industry and Academia: 2022-2023

論文の概要: End-To-End Planning of Autonomous Driving in Industry and Academia: 2022-2023

arxiv url: http://arxiv.org/abs/2401.08658v1
Date: Tue, 26 Dec 2023 12:00:58 GMT
ステータス: 処理完了
システム内更新日: 2024-01-22 09:37:07.477429
Title: End-To-End Planning of Autonomous Driving in Industry and Academia: 2022-2023
Title（参考訳）: 産業・学界における自動運転の終末計画:2022-2023
Authors: Gongjin Lan an Qi Hao
Abstract要約: 本稿では、Tesla FSD V12、Momenta 2023、Horizon Robotics 2023、Motional RoboTaxi 2022、Woven Planet (Toyota)、Urban Driver、Nvidiaなど、エンドツーエンドの計画についてレビューする。本稿では,2022-2023年における最先端のエンド・ツー・エンドプランニングの簡潔な構造と高速学習を読者に提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper aims to provide a quick review of the methods including the technologies in detail that are currently reported in industry and academia. Specifically, this paper reviews the end-to-end planning, including Tesla FSD V12, Momenta 2023, Horizon Robotics 2023, Motional RoboTaxi 2022, Woven Planet (Toyota): Urban Driver, and Nvidia. In addition, we review the state-of-the-art academic studies that investigate end-to-end planning of autonomous driving. This paper provides readers with a concise structure and fast learning of state-of-the-art end-to-end planning for 2022-2023. This article provides a meaningful overview as introductory material for beginners to follow the state-of-the-art end-to-end planning of autonomous driving in industry and academia, as well as supplementary material for advanced researchers.
Abstract（参考訳）: 本稿は,現在産業・学界で報告されている技術を含む手法について,手軽に概説することを目的とする。具体的には、Tesla FSD V12、Momenta 2023、Horizon Robotics 2023、Motional RoboTaxi 2022、Woven Planet (Toyota)、Urban Driver、Nvidiaなど、エンドツーエンドの計画についてレビューする。さらに,自動運転のエンドツーエンド計画に関する最先端の学術研究について概観する。本稿では,2022-2023年における最先端のエンド・ツー・エンド計画の簡潔な構造と高速学習について述べる。本稿では,先進的な研究者のための補助材料として,産業・学界における自動運転の最先端のエンド・ツー・エンド計画に従うための初心者向け教材として,有意義な概要を提供する。

関連論文リスト

Pedestrian motion prediction evaluation for urban autonomous driving [0.0]
我々は、従来の動き予測指標の妥当性を決定するために、提供されたオープンソースソリューションを用いて、選択した出版物を解析する。この視点は、既存の最先端の歩行者運動予測問題の現実的なパフォーマンスを探している、自動運転やロボット工学の潜在的なエンジニアにとって価値があるだろう。
論文参考訳（メタデータ） (2024-10-22T10:06:50Z)
Perspectives on the State and Future of Deep Learning -- 2023 [237.1458929375047]
このシリーズの目標は、今日の機械学習の分野における意見と問題を、時間とともに変化するにつれて記録することである。計画では、この調査をAIの特異点であるペーパークリップ・フレンチ駆動の土曜まで定期的に実施し、トピックに関する質問のリストを更新し、各エディションの新たなコミュニティメンバーにインタビューする。
論文参考訳（メタデータ） (2023-12-07T19:58:37Z)
Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? [84.17711168595311]
エンドツーエンドの自動運転は、フルスタックの観点から自律性を目標とする、有望な研究の方向性として浮上している。比較的単純な駆動シナリオを特徴とするnuScenesデータセットは、エンド・ツー・エンド・モデルにおける知覚情報の未使用化につながる。予測軌跡が道路に付着するかどうかを評価するための新しい指標を提案する。
論文参考訳（メタデータ） (2023-12-05T11:32:31Z)
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)
End-to-end Autonomous Driving using Deep Learning: A Systematic Review [0.0]
エンドツーエンドの自律運転(End-to-end autonomous driving)は、センサーの入力データやその他のメタデータを事前情報として取り込み、エゴ車の制御信号や計画された軌跡を直接出力する、完全に微分可能な機械学習システムである。本稿では, 物体検出, セマンティックシーン理解, 物体追跡, 軌道予測, 軌道計画, 車両制御, 社会行動, コミュニケーションなど, 最新の機械学習技術をすべて体系的に検証し, このエンドツーエンドのタスクを実行する。
論文参考訳（メタデータ） (2023-08-27T17:43:58Z)
End-to-end Autonomous Driving: Challenges and Frontiers [45.391430626264764]
エンドツーエンドの自動運転におけるモチベーション、ロードマップ、方法論、課題、今後のトレンドについて、270以上の論文を包括的に分析する。マルチモダリティ、解釈可能性、因果的混乱、堅牢性、世界モデルなど、いくつかの重要な課題を掘り下げます。基礎モデルと視覚前訓練の現在の進歩と、これらの技術をエンドツーエンドの駆動フレームワークに組み込む方法について論じる。
論文参考訳（メタデータ） (2023-06-29T14:17:24Z)
Artificial Intelligence and Life in 2030: The One Hundred Year Study on Artificial Intelligence [74.2630823914258]
このレポートは、AIが今後数年間に影響を及ぼす可能性のある、典型的な都市環境の8つのドメインを調査している。それは、AIの現状を科学的かつ技術的に正確に描写する一般大衆に提供することを目的としている。この報告書の費用は、ハーバード大学のBarbara Groszが議長を務めるAI100 Standing Committee(AI100スタンディング委員会)のパネルに提出された。
論文参考訳（メタデータ） (2022-10-31T18:35:36Z)
Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。シミュレーションに基づくMAPプログラムの概要を述べる。我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文参考訳（メタデータ） (2022-08-17T23:03:54Z)
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)
Motion Prediction on Self-driving Cars: A Review [0.0]
運動予測は、自動運転車や自動運転車において最も困難なタスクである。深層強化学習は自動運転車に最適な候補だ。
論文参考訳（メタデータ） (2020-11-06T23:40:37Z)
A Survey of End-to-End Driving: Architectures and Training Methods [0.9449650062296824]
私たちは、運転パイプライン全体を1つのニューラルネットワークに置き換える、いわゆるエンドツーエンドの自動運転アプローチについて、より深く検討しています。本稿では,エンド・ツー・エンド駆動文学における学習方法,入力・出力モダリティ,ネットワークアーキテクチャ,評価スキームについてレビューする。我々は、エンドツーエンドの自動運転システムの最も有望な要素を組み合わせたアーキテクチャでレビューを締めくくります。
論文参考訳（メタデータ） (2020-03-13T17:42:58Z)

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。