論文の概要: Sequential Modeling of Complex Marine Navigation: Case Study on a Passenger Vessel (Student Abstract)

• arxiv url: http://arxiv.org/abs/2403.13909v1
• Date: Wed, 20 Mar 2024 18:29:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-22 18:09:15.008070
• Title: Sequential Modeling of Complex Marine Navigation: Case Study on a Passenger Vessel (Student Abstract)
• Title（参考訳）: 複雑な海洋航行のシークエンスモデリング:客船を事例として(概要)
• Authors: Yimeng Fan, Pedram Agand, Mo Chen, Edward J. Park, Allison Kennedy, Chanwoo Bae,
• Abstract要約: 本稿では, 機械学習手法を用いて, 船舶の燃料消費量を削減する方法について検討する。 私たちは、カナダ西海岸のフェリーで2年間にわたって、現実世界のデータセットを活用しています。 時系列予測モデルの作成に重点を置いている。 船長の指導の下、フェリーの作戦の熟練度を評価するための評価ツールとして機能する。
• 参考スコア（独自算出の注目度）: 5.253408036933116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The maritime industry's continuous commitment to sustainability has led to a dedicated exploration of methods to reduce vessel fuel consumption. This paper undertakes this challenge through a machine learning approach, leveraging a real-world dataset spanning two years of a ferry in west coast Canada. Our focus centers on the creation of a time series forecasting model given the dynamic and static states, actions, and disturbances. This model is designed to predict dynamic states based on the actions provided, subsequently serving as an evaluative tool to assess the proficiency of the ferry's operation under the captain's guidance. Additionally, it lays the foundation for future optimization algorithms, providing valuable feedback on decision-making processes. To facilitate future studies, our code is available at \url{https://github.com/pagand/model_optimze_vessel/tree/AAAI}
• Abstract（参考訳）: 海洋産業の持続可能性への継続的なコミットメントは、船舶の燃料消費を減らす方法を精力的に探究することにつながった。 本稿では,カナダ西海岸のフェリーで2年間にわたる実世界のデータセットを活用する,機械学習アプローチを通じて,この課題を克服する。 我々の焦点は、動的かつ静的な状態、行動、乱れを考慮に入れた時系列予測モデルの作成に焦点を当てています。 このモデルは、提供された行動に基づいて動的状態を予測するように設計され、その後、船長の指導の下でフェリーの操作の熟練度を評価するための評価ツールとして機能する。 さらに、将来の最適化アルゴリズムの基礎を築き、意思決定プロセスに対する貴重なフィードバックを提供する。 将来の研究を容易にするため、我々のコードは \url{https://github.com/pagand/model_optimze_vessel/tree/AAAI} で入手できる。

関連論文リスト

• An Efficient Occupancy World Model via Decoupled Dynamic Flow and Image-assisted Training [50.71892161377806]
  DFIT-OccWorldは、分離されたダイナミックフローとイメージアシストトレーニング戦略を活用する、効率的な3D占有世界モデルである。 提案モデルでは, 静止ボクセルはポーズ変換により容易に得られるのに対し, 既存のボクセルフローを用いて既存の観測を歪曲することで, 将来のダイナミックボクセルを予測できる。
  論文  参考訳（メタデータ） (2024-12-18T12:10:33Z)
• DiffuTraj: A Stochastic Vessel Trajectory Prediction Approach via Guided Diffusion Process [23.42712306116432]
  船の操縦は、その固有の複雑さと不確定性によって特徴づけられ、船舶の軌道予測システムを必要とする。 従来の軌道予測法では, 容器運動の多モード性を表現するために潜伏変数を用いる。 我々は,不確実性から確実性への血管運動の遷移を明示的にシミュレートする。
  論文  参考訳（メタデータ） (2024-10-12T14:50:18Z)
• AdaOcc: Adaptive Forward View Transformation and Flow Modeling for 3D Occupancy and Flow Prediction [56.72301849123049]
  CVPR 2024 における nuScenes Open-Occ データセットチャレンジにおいて,視覚中心の3次元活動とフロー予測トラックのソリューションを提案する。 我々の革新的なアプローチは、適応的なフォワード・ビュー・トランスフォーメーションとフロー・モデリングを取り入れることで、3次元の占有率とフロー予測を向上させる2段階のフレームワークである。 提案手法は回帰と分類を組み合わせることで,様々な場面におけるスケールの変動に対処し,予測フローを利用して将来のフレームに現行のボクセル特徴をワープする。
  論文  参考訳（メタデータ） (2024-07-01T16:32:15Z)
• Outlier detection in maritime environments using AIS data and deep recurrent architectures [5.399126243770847]
  本稿では,海上監視のための深部再帰モデルに基づく手法を,公開可能な自動識別システム(AIS)データ上で提案する。 このセットアップはディープ・リカレント・ニューラルネットワーク(RNN)ベースのモデルを使用して、観測された船の動きパターンを符号化し、再構築する。 提案手法は,観測された動作パターンと再構成された動作パターンの計算誤差に対するしきい値決定機構に基づく。
  論文  参考訳（メタデータ） (2024-06-14T12:15:15Z)
• 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)
• Autonomous Port Navigation With Ranging Sensors Using Model-Based Reinforcement Learning [2.3439981951927296]
  本研究は,様々な複雑な港湾シナリオにおいて,内陸の船舶を航行する航法アルゴリズムを提案する。 提案手法は、最近さまざまな領域でベンチマーク結果を設定した機械学習アプローチに基づいている。 その結果,提案手法は,一般的な動的ウィンドウ手法とベンチマークモデルフリー強化学習アルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-17T14:22:40Z)
• Fuel Consumption Prediction for a Passenger Ferry using Machine Learning and In-service Data: A Comparative Study [5.516843968790116]
  本稿では,旅客船から収集したサービス内データを用いて,燃料消費を予測するモデルを提案する。 最高の予測性能は、ブーチングアンサンブルアプローチであるXGboost技術を用いて開発されたモデルから得られる。
  論文  参考訳（メタデータ） (2023-10-19T19:35:38Z)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
  軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。 我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。 我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• Forecasting Future Instance Segmentation with Learned Optical Flow and Warping [31.879514593973195]
  本稿では,将来的なセマンティックセグメンテーションを予測するための光フローの利用について検討する。 Cityscapesデータセットの結果は、光フロー法の有効性を実証している。
  論文  参考訳（メタデータ） (2022-11-15T11:01:12Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• Waypoint Models for Instruction-guided Navigation in Continuous Environments [68.2912740006109]
  本稿では,言語条件付きウェイポイント予測ネットワークのクラスを開発し,この問題について検討する。 プロファイリングされたLoCoBotロボット上でのタスク性能と実行時間の推定を行う。 我々のモデルは、VLN-CEにおける以前の仕事を上回り、新しい最先端の技術を公衆のリーダーボードに置きました。
  論文  参考訳（メタデータ） (2021-10-05T17:55:49Z)

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。