論文の概要: World Models for Autonomous Driving: An Initial Survey
- arxiv url: http://arxiv.org/abs/2403.02622v1
- Date: Tue, 5 Mar 2024 03:23:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 16:18:18.153962
- Title: World Models for Autonomous Driving: An Initial Survey
- Title(参考訳): 自動運転のための世界モデル:最初の調査
- Authors: Yanchen Guan, Haicheng Liao, Zhenning Li, Guohui Zhang, Chengzhong Xu
- Abstract要約: 将来の出来事を正確に予測し、その影響を評価する能力は、安全性と効率の両方において最重要である。
世界モデルは変革的なアプローチとして現れており、自律運転システムは大量のセンサーデータを合成し、解釈することができる。
本稿では,自律運転における世界モデルの現状と今後の展開について概説する。
- 参考スコア(独自算出の注目度): 14.731552678136294
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the rapidly evolving landscape of autonomous driving, the capability to
accurately predict future events and assess their implications is paramount for
both safety and efficiency, critically aiding the decision-making process.
World models have emerged as a transformative approach, enabling autonomous
driving systems to synthesize and interpret vast amounts of sensor data,
thereby predicting potential future scenarios and compensating for information
gaps. This paper provides an initial review of the current state and
prospective advancements of world models in autonomous driving, spanning their
theoretical underpinnings, practical applications, and the ongoing research
efforts aimed at overcoming existing limitations. Highlighting the significant
role of world models in advancing autonomous driving technologies, this survey
aspires to serve as a foundational reference for the research community,
facilitating swift access to and comprehension of this burgeoning field, and
inspiring continued innovation and exploration.
- Abstract(参考訳): 自動運転の急速に発展する状況において、将来の出来事を正確に予測し、その影響を評価する能力は、安全性と効率の両方において最重要であり、意思決定プロセスにおいて重要な役割を果たす。
世界モデルは変革的なアプローチとして現れており、自律運転システムは大量のセンサーデータを合成し、解釈し、将来のシナリオを予測し、情報ギャップを補うことができる。
本稿では,自律運転における世界モデルの現状と今後の発展について,その理論的基盤,実践的応用,および既存の限界を克服するための継続的な研究成果を概説する。
自動運転技術の進歩における世界モデルの役割を強調するこの調査は、研究コミュニティの基盤的基準となり、この急成長する分野への迅速なアクセスと理解を促進し、継続的なイノベーションと探索を刺激することを目指している。
関連論文リスト
- Towards Knowledge-driven Autonomous Driving [37.003908817857095]
本稿では,新しい知識駆動型自動運転技術について考察する。
我々の調査は、現在の自動運転システムの限界を浮き彫りにしている。
認知、一般化、生涯学習の能力を備えた知識駆動型手法は、これらの課題を克服するための有望な方法として浮上する。
論文 参考訳(メタデータ) (2023-12-07T14:17:17Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and
Future [131.69699438604533]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳(メタデータ) (2023-12-06T10:46:53Z) - Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? [88.398233613304]
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) - Driving into the Future: Multiview Visual Forecasting and Planning with
World Model for Autonomous Driving [56.381918362410175]
Drive-WMは、既存のエンド・ツー・エンドの計画モデルと互換性のある世界初のドライビングワールドモデルである。
ドライビングシーンで高忠実度マルチビュー映像を生成する。
論文 参考訳(メタデータ) (2023-11-29T18:59:47Z) - LLM4Drive: A Survey of Large Language Models for Autonomous Driving [67.843551583229]
大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。
本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
論文 参考訳(メタデータ) (2023-11-02T07:23:33Z) - Social Interaction-Aware Dynamical Models and Decision Making for
Autonomous Vehicles [20.123965317836106]
IAAD(Interaction-Aware Autonomous Driving)は、急速に成長する研究分野である。
それは、人間の道路利用者と安全かつ効率的に対話できる自動運転車の開発に焦点を当てている。
これは、自動運転車が人間の道路利用者の行動を理解し予測できることを要求するため、困難な作業である。
論文 参考訳(メタデータ) (2023-10-29T03:43:50Z) - 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) - Exploring the Potential of World Models for Anomaly Detection in
Autonomous Driving [11.091582432763738]
自律運転の領域において、世界モデルをどのように活用して異常検出を行うかを示す。
我々は,世界モデルのキャラクタリゼーションを提供し,個々のコンポーネントを異常検出における以前の研究と関連付ける。
論文 参考訳(メタデータ) (2023-08-10T17:04:51Z) - End-to-end Autonomous Driving: Challenges and Frontiers [46.05011954549315]
自動運転コミュニティは、エンドツーエンドのアルゴリズムフレームワークを採用するアプローチの急速な成長を目撃している。
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、250以上の論文を包括的に分析する。
論文 参考訳(メタデータ) (2023-06-29T14:17:24Z) - Exiting the Simulation: The Road to Robust and Resilient Autonomous
Vehicles at Scale [0.0]
本稿では,自律運転システムの開発に使用されている最先端のシミュレーションフレームワークと方法論について述べる。
自律運転シミュレーションにおける重要な課題の合成について述べる。
論文 参考訳(メタデータ) (2022-10-19T20:32:43Z)
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。