論文の概要: Scenarios Engineering driven Autonomous Transportation in Open-Pit Mines
- arxiv url: http://arxiv.org/abs/2405.00690v1
- Date: Fri, 15 Mar 2024 02:26:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 11:19:45.901857
- Title: Scenarios Engineering driven Autonomous Transportation in Open-Pit Mines
- Title（参考訳）: オープンピット鉱山における自律走行のシナリオ工学
- Authors: Siyu Teng, Xuan Li, Yuchen Li, Lingxi Li, Yunfeng Ai, Long Chen,
- Abstract要約: 自走式マイニングトラックのための新しいシナリオエンジニアリング(SE)手法が,オープンピット鉱山向けに提案されている。
本研究は, 露天掘り鉱業における自律走行の独特な課題に対処し, 鉱業経営における生産性, 安全性, 性能を育成するものである。
- 参考スコア（独自算出の注目度）: 21.359823385387937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One critical bottleneck that impedes the development and deployment of autonomous transportation in open-pit mines is guaranteed robustness and trustworthiness in prohibitively extreme scenarios. In this research, a novel scenarios engineering (SE) methodology for the autonomous mining truck is proposed for open-pit mines. SE increases the trustworthiness and robustness of autonomous trucks from four key components: Scenario Feature Extractor, Intelligence & Index (I&I), Calibration & Certification (C&C), and Verification & Validation (V&V). Scenario feature extractor is a comprehensive pipeline approach that captures complex interactions and latent dependencies in complex mining scenarios. I&I effectively enhances the quality of the training dataset, thereby establishing a solid foundation for autonomous transportation in mining areas. C&C is grounded in the intrinsic regulation, capabilities, and contributions of the intelligent systems employed in autonomous transportation to align with traffic participants in the real world and ensure their performance through certification. V&V process ensures that the autonomous transportation system can be correctly implemented, while validation focuses on evaluating the ability of the well-trained model to operate efficiently in the complex and dynamic conditions of the open-pit mines. This methodology addresses the unique challenges of autonomous transportation in open-pit mining, promoting productivity, safety, and performance in mining operations.
- Abstract（参考訳）: 露天掘り鉱山における自律走行の発達と展開を妨げる重要なボトルネックは、極端に極端なシナリオにおける堅牢性と信頼性を保証することである。
本研究では, 自走式マイニングトラックのための新しいシナリオエンジニアリング(SE)手法を提案する。
SEは、シナリオ・フィーチャー・エクストラクタ、インテリジェンス・アンド・インデックス(I&I)、キャリブレーション・アンド・認定(C&C)、検証・検証(V&V)の4つの主要なコンポーネントから、自律トラックの信頼性と堅牢性を高める。
シナリオ機能抽出器は、複雑なマイニングシナリオにおける複雑なインタラクションと潜伏した依存関係をキャプチャする包括的なパイプラインアプローチである。
I&Iは、トレーニングデータセットの品質を効果的に向上させ、鉱業地域での自律的な交通の基盤を確立する。
C&Cは、現実の交通関係者と協調し、認証を通じてパフォーマンスを確保するために、自律走行で使用されるインテリジェントシステムの本質的な規制、能力、貢献に基礎を置いている。
V&Vプロセスは、自律的な輸送システムが正しく実装可能であることを保証し、一方、検証は、オープンピット鉱山の複雑でダイナミックな状況において、十分に訓練されたモデルが効率的に運用できる能力を評価することに焦点を当てる。
この方法論は、露天掘り鉱業における自律走行の独特な課題に対処し、鉱業経営における生産性、安全性、性能を促進する。
関連論文リスト
- Evaluating Robustness of Reinforcement Learning Algorithms for Autonomous Shipping [2.9109581496560044]
本稿では,自律型海運シミュレータにおける内陸水路輸送(IWT)のために実装されたベンチマークディープ強化学習(RL)アルゴリズムのロバスト性について検討する。
モデルのないアプローチはシミュレーターで適切なポリシーを達成でき、訓練中に遭遇したことのないポート環境をナビゲートすることに成功した。
論文 参考訳（メタデータ） (2024-11-07T17:55:07Z) - OPTIMA: Optimized Policy for Intelligent Multi-Agent Systems Enables Coordination-Aware Autonomous Vehicles [9.41740133451895]
本研究は,協調自動運転タスクのための分散強化学習フレームワークOPTIMAを紹介する。
我々のゴールは、非常に複雑で混み合ったシナリオにおいて、CAVの汎用性と性能を改善することです。
論文 参考訳（メタデータ） (2024-10-09T03:28:45Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - Scenario Engineering for Autonomous Transportation: A New Stage in Open-Pit Mines [16.597043030815097]
本研究は,シナリオ工学と自律交通システムを統合する新しいパラダイムを紹介する。
このパラダイムは2つの有名な露天掘り鉱山で検証されている。
論文 参考訳（メタデータ） (2024-03-15T02:36:27Z) - When Mining Electric Locomotives Meet Reinforcement Learning [12.757241771695652]
異なる複雑な鉱業環境に適応できる鉱業用電気機関車の制御方法が必要である。
本稿では,探索とエクスプロイトのバランスを改善するため,改良されたEpsilon-greedy (IEG)アルゴリズムを提案する。
シミュレーションの結果,道路上の急激な障害物が発生した場合に,前輪車後続の機関車が安全かつ迅速に応答することが確認できた。
論文 参考訳（メタデータ） (2023-11-14T13:29:01Z) - FusionPlanner: A Multi-task Motion Planner for Mining Trucks via
Multi-sensor Fusion [16.015095148145214]
本研究では, オープンピット鉱山における無人輸送の包括的パラダイムを提案する。
マルチセンサフュージョン法による自律型マイニングトラックのためのマルチタスク動作計画アルゴリズムFusionPlannerを提案する。
MiningNavと呼ばれる新しいベンチマークは、オープンピット鉱山の交通路におけるよく訓練されたアルゴリズムの信頼性と堅牢性を評価するための3つの検証手法を提供する。
論文 参考訳（メタデータ） (2023-08-14T04:18:07Z) - Assurance for Autonomy -- JPL's past research, lessons learned, and
future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。
ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。
JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文 参考訳（メタデータ） (2023-05-16T18:24:12Z) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-16T16:54:10Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳（メタデータ） (2022-03-04T16:14:33Z) - Cautious Adaptation For Reinforcement Learning in Safety-Critical
Settings [129.80279257258098]
都市運転のような現実の安全クリティカルな目標設定における強化学習(RL)は危険である。
非安全クリティカルな「ソース」環境でエージェントが最初に訓練する「安全クリティカル適応」タスクセットを提案する。
多様な環境における事前経験がリスクを見積もるためにエージェントに装備するという直感に基づくソリューションアプローチであるCARLを提案する。
論文 参考訳（メタデータ） (2020-08-15T01:40:59Z)
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。