論文の概要: Evaluating Roadside Perception for Autonomous Vehicles: Insights from
Field Testing
- arxiv url: http://arxiv.org/abs/2401.12392v1
- Date: Mon, 22 Jan 2024 22:47:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 17:32:40.163122
- Title: Evaluating Roadside Perception for Autonomous Vehicles: Insights from
Field Testing
- Title（参考訳）: 自動運転車の路面知覚評価:フィールドテストからの考察
- Authors: Rusheng Zhang, Depu Meng, Shengyin Shen, Tinghan Wang, Tai Karir,
Michael Maile, Henry X. Liu
- Abstract要約: 本稿では,道路側認識システムの性能評価を目的とした総合評価手法を提案する。
本手法は,実世界の実地試験を基礎とした計測技術,計量選択,実験的試行設計を含む。
本研究の成果は,業界標準ベンチマークや評価手法の開発に資することを目的としている。
- 参考スコア（独自算出の注目度）: 7.755003755937953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Roadside perception systems are increasingly crucial in enhancing traffic
safety and facilitating cooperative driving for autonomous vehicles. Despite
rapid technological advancements, a major challenge persists for this newly
arising field: the absence of standardized evaluation methods and benchmarks
for these systems. This limitation hampers the ability to effectively assess
and compare the performance of different systems, thus constraining progress in
this vital field. This paper introduces a comprehensive evaluation methodology
specifically designed to assess the performance of roadside perception systems.
Our methodology encompasses measurement techniques, metric selection, and
experimental trial design, all grounded in real-world field testing to ensure
the practical applicability of our approach.
We applied our methodology in Mcity\footnote{\url{https://mcity.umich.edu/}},
a controlled testing environment, to evaluate various off-the-shelf perception
systems. This approach allowed for an in-depth comparative analysis of their
performance in realistic scenarios, offering key insights into their respective
strengths and limitations. The findings of this study are poised to inform the
development of industry-standard benchmarks and evaluation methods, thereby
enhancing the effectiveness of roadside perception system development and
deployment for autonomous vehicles. We anticipate that this paper will
stimulate essential discourse on standardizing evaluation methods for roadside
perception systems, thus pushing the frontiers of this technology. Furthermore,
our results offer both academia and industry a comprehensive understanding of
the capabilities of contemporary infrastructure-based perception systems.
- Abstract（参考訳）: 道路側の認識システムは、交通安全の強化と自動運転車の協調運転の促進にますます重要になっている。
急速な技術進歩にもかかわらず、この新たな分野には、標準化された評価方法やベンチマークが欠如しているという大きな課題が続いている。
この制限は、異なるシステムの性能を効果的に評価し比較する能力を損なうため、この重要な分野における進歩を妨げます。
本稿では,道路側知覚システムの性能評価に特化した総合評価手法を提案する。
本手法は,実世界の実地試験を基礎とした計測技術,計量選択,実験的試行設計を包含し,本手法の実用性を確保する。
我々は,本手法を制御試験環境であるmcity\footnote{\url{https://mcity.umich.edu/}} に適用し,市販の知覚システムの評価を行った。
このアプローチは、現実的なシナリオにおけるパフォーマンスの詳細な比較分析を可能にし、それぞれの強みと限界に対する重要な洞察を提供する。
本研究の成果は,産業標準ベンチマークと評価手法の開発に役立ち,自動運転車における路側知覚システムの開発と展開の有効性を高めることを目的としている。
本論文は,道路側認識システムにおける評価手法の標準化に関する本質的な議論を刺激し,この技術のフロンティアを推し進めることが期待できる。
さらに,同時代のインフラストラクチャ・ベースの知覚システムの能力に関する包括的理解を,学界と産業界の両方に与えた。
関連論文リスト
- Acceleration method for generating perception failure scenarios based on editing Markov process [0.0]
本研究では, 地下駐車場環境に合わせて, 認識障害シナリオを高速化する手法を提案する。
この方法は、認識障害シナリオの密度の高いインテリジェントなテスト環境を生成する。
認識障害シナリオデータ内のマルコフプロセスを編集し、トレーニングデータ内の臨界情報の密度を増大させる。
論文 参考訳（メタデータ） (2024-07-01T05:33:48Z) - The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition [136.32656319458158]
2024年のRoboDrive Challengeは、駆動認識技術の発展を促進するために作られた。
今年の挑戦は5つの異なるトラックで構成され、11カ国の93の機関から140の登録チームが集まった。
競争は15の最高パフォーマンスのソリューションで頂点に達した。
論文 参考訳（メタデータ） (2024-05-14T17:59:57Z) - Machine Learning for Autonomous Vehicle's Trajectory Prediction: A
comprehensive survey, Challenges, and Future Research Directions [3.655021726150368]
AVの文脈における軌道予測に関する200以上の研究について検討した。
本総説では,いくつかの深層学習手法を総合的に評価する。
既存の文献の課題を特定し,潜在的研究の方向性を概説することにより,AV軌道予測領域における知識の進歩に大きく貢献する。
論文 参考訳（メタデータ） (2023-07-12T10:20:19Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - Towards trustworthy multi-modal motion prediction: Holistic evaluation
and interpretability of outputs [3.5240925434839054]
我々は,アウトプットの評価基準,堅牢性,解釈可能性に焦点をあてる。
マルチモーダル動作予測モデルにアタッチ可能な意図予測層を提案する。
論文 参考訳（メタデータ） (2022-10-28T14:14:22Z) - Unified Automatic Control of Vehicular Systems with Reinforcement
Learning [64.63619662693068]
本稿では,車載マイクロシミュレーションの合理化手法について述べる。
最小限の手動設計で高性能な制御戦略を発見する。
この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
論文 参考訳（メタデータ） (2022-07-30T16:23:45Z) - Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文 参考訳（メタデータ） (2022-05-20T20:50:17Z) - On Robustness of Lane Detection Models to Physical-World Adversarial
Attacks in Autonomous Driving [12.412448947321828]
2017年のTuSimple Lane Detection Challengeの後、その精度とF1スコアに基づく評価は、車線検出手法の性能を測定するデファクトスタンダードとなっている。
本研究は,自動車走行における物理界の敵対的攻撃下での最先端車線検出手法の堅牢性を評価するための,最初の大規模実験研究である。
論文 参考訳（メタデータ） (2021-07-06T09:04:47Z) - PONE: A Novel Automatic Evaluation Metric for Open-Domain Generative
Dialogue Systems [48.99561874529323]
オープンドメイン生成対話システムの評価には3つの方法がある。
体系的な比較が欠如しているため、どの指標がより効果的であるかは明らかでない。
本稿では,人間の判断との相関性を大幅に改善できる,新しい,実現可能な学習基準を提案する。
論文 参考訳（メタデータ） (2020-04-06T04:36:33Z) - Interpretable Off-Policy Evaluation in Reinforcement Learning by
Highlighting Influential Transitions [48.91284724066349]
強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。
信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。
我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
論文 参考訳（メタデータ） (2020-02-10T00:26:43Z)
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。