論文の概要: Experimental Evaluation of Road-Crossing Decisions by Autonomous Wheelchairs against Environmental Factors
- arxiv url: http://arxiv.org/abs/2406.18557v1
- Date: Mon, 27 May 2024 08:43:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 06:00:20.803672
- Title: Experimental Evaluation of Road-Crossing Decisions by Autonomous Wheelchairs against Environmental Factors
- Title（参考訳）: 自律車いすによる道路封鎖決定の環境要因に対する実験的評価
- Authors: Franca Corradini, Carlo Grigioni, Alessandro Antonucci, Jérôme Guzzi, Francesco Flammini,
- Abstract要約: 追跡性能の微調整と屋外環境要因に対する実験的評価に焦点をあてる。
本手法は,屋外環境要因に対する映像追跡とイベント検出の堅牢性を評価するために適用可能であることを示す。
- 参考スコア（独自算出の注目度）: 42.90509901417468
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Safe road crossing by autonomous wheelchairs can be affected by several environmental factors such as adverse weather conditions influencing the accuracy of artificial vision. Previous studies have addressed experimental evaluation of multi-sensor information fusion to support road-crossing decisions in autonomous wheelchairs. In this study, we focus on the fine-tuning of tracking performance and on its experimental evaluation against outdoor environmental factors such as fog, rain, darkness, etc. It is rather intuitive that those factors can negatively affect the tracking performance; therefore our aim is to provide an approach to quantify their effects in the reference scenario, in order to detect conditions of unacceptable accuracy. In those cases, warnings can be issued and system can be possibly reconfigured to reduce the reputation of less accurate sensors, and thus improve overall safety. Critical situations can be detected by the main sensors or by additional sensors, e.g., light sensors, rain sensors, etc. Results have been achieved by using an available laboratory dataset and by applying appropriate software filters; they show that the approach can be adopted to evaluate video tracking and event detection robustness against outdoor environmental factors in relevant operational scenarios.
- Abstract（参考訳）: 自動車椅子による安全な道路横断は、悪天候などいくつかの環境要因の影響を受け、人工視覚の精度に影響を及ぼす可能性がある。
これまで, 自動車椅子における道路横断決定を支援するために, マルチセンサ情報融合の実験的評価に取り組んできた。
本研究では, 追跡性能の微調整と, 霧, 雨, 暗闇などの屋外環境要因に対する実験的評価に焦点を当てた。
これらの要因が追従性能に悪影響を及ぼすことは比較的直感的であり,本研究の目的は,許容できない精度の条件を検出するために,参照シナリオにおけるそれらの効果を定量化するアプローチを提供することである。
これらの場合、警告を発し、システムを再設定することで、より精度の低いセンサーの評判を低減し、全体的な安全性を向上させることができる。
臨界状況は、主センサーや追加センサー、例えば光センサー、雨センサーなどによって検出することができる。
実験室で利用可能なデータセットを用いて、適切なソフトウェアフィルタを適用することで、ビデオトラッキングと、関連する運用シナリオにおける屋外環境要因に対するイベント検出の堅牢性を評価するために、この手法が適用可能であることを示す。
関連論文リスト
- LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。
既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。
本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
論文 参考訳（メタデータ） (2024-06-03T02:12:27Z) - Predicting the Influence of Adverse Weather on Pedestrian Detection with Automotive Radar and Lidar Sensors [2.4903631775244213]
歩行者は道路交通で最も危険に晒されている交通機関の1つである。
名目状態での歩行者検出は良好に確立されているが,センサや歩行者検出性能は悪天候下で低下する。
本稿では,利用者が特定したレーダとライダーが歩行者検出性能に与える影響を予測する専用テキストウェザーフィルタ(WF)モデルを提案する。
論文 参考訳（メタデータ） (2024-05-21T12:44:43Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Safe Road-Crossing by Autonomous Wheelchairs: a Novel Dataset and its Experimental Evaluation [42.90509901417468]
自動車椅子と空飛ぶドローンで構成されるシステムにおいて,道路横断決定を支援するマルチセンサ融合方式を提案する。
概念実証として,複数センサの利点を示す実験室環境の評価を行った。
この研究は欧州のプロジェクトREXASI-PROの文脈で開発され、モビリティを低下させた人々のソーシャルナビゲーションのための信頼できる人工知能の開発を目的としている。
論文 参考訳（メタデータ） (2024-03-13T22:19:06Z) - Survey on LiDAR Perception in Adverse Weather Conditions [6.317642241067219]
アクティブなLiDARセンサーは、シーンの正確な3D表現を作成することができる。
霧、雪、雨などの悪天候条件下でのLiDARの性能は変化する。
我々は、適切なデータの提供、生の点クラウド処理とデノイング、ロバストな認識アルゴリズム、悪天候による欠点を軽減するためのセンサ融合といったトピックに対処する。
論文 参考訳（メタデータ） (2023-04-13T07:45:23Z) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳（メタデータ） (2022-01-10T10:02:40Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z)
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。