論文の概要: Fast maneuver recovery from aerial observation: trajectory clustering and outliers rejection

• arxiv url: http://arxiv.org/abs/2407.02863v1
• Date: Wed, 3 Jul 2024 07:22:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-04 15:15:24.755687
• Title: Fast maneuver recovery from aerial observation: trajectory clustering and outliers rejection
• Title（参考訳）: 航空観測による高速機動回収:軌道クラスタリングと降圧器の拒絶
• Authors: Nelson de Moura, Augustin Gervreau-Mercier, Fernando Garrido, Fawzi Nashashibi,
• Abstract要約: 2種類のVulnerable Road Users (VRU) が提案される軌道クラスタリング手法によって検討される。 2つの環境がメソッド開発のテストとして機能し、3つの異なる交差点と1つのラウンドアバウトとなる。
• 参考スコア（独自算出の注目度）: 43.06493292670652
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The implementation of road user models that realistically reproduce a credible behavior in a multi-agentsimulation is still an open problem. A data-driven approach consists on to deduce behaviors that may exist in real situation to obtain different types of trajectories from a large set of observations. The data, and its classification, could then be used to train models capable to extrapolate such behavior. Cars and two different types of Vulnerable Road Users (VRU) will be considered by the trajectory clustering methods proposed: pedestrians and cyclists. The results reported here evaluate methods to extract well-defined trajectory classes from raw data without the use of map information while also separating ''eccentric'' or incomplete trajectories from the ones that are complete and representative in any scenario. Two environments will serve as test for the methods develop, three different intersections and one roundabout. The resulting clusters of trajectories can then be used for prediction or learning tasks or discarded if it is composed by outliers.
• Abstract（参考訳）: マルチエージェントシミュレーションにおける信頼行動を現実的に再現する道路ユーザモデルの実装は、まだ未解決の問題である。 データ駆動型アプローチは、大きな観測セットから異なるタイプの軌道を得るために、実際の状況に存在する可能性のある振る舞いを推定するために構成される。 そのデータとその分類は、そのような振る舞いを外挿できるモデルを訓練するために使われる。 車と2種類のVulnerable Road Users (VRU) は、歩行者と自転車の軌道クラスタリング手法として提案される。 本報告の結果は, 地図情報を使わずに生データから適切に定義された軌跡クラスを抽出し, 「偏心」や「不完全軌跡」を, あらゆるシナリオにおいて完全かつ代表的であるものから分離する手法として評価した。 2つの環境がメソッド開発のテストとして機能し、3つの異なる交差点と1つのラウンドアバウトとなる。 結果として得られるトラジェクトリのクラスタは、予測や学習のタスクに使用したり、あるいは、アウトレイアによって構成されている場合は破棄することができる。

関連論文リスト

• Pedestrian Trajectory Prediction with Missing Data: Datasets, Imputation, and Benchmarking [7.9449756510822915]
  TrajImputeは、観測された軌道の座標をシミュレートする歩行者軌道予測データセットである。 本研究では,欠落した座標を再構築するためのいくつかの計算手法について検討し,歩行者軌道の計算のためのベンチマークを行う。 本データセットは,今後の歩行者軌跡予測研究の基盤となる資料を提供する。
  論文  参考訳（メタデータ） (2024-10-31T19:42:42Z)
• 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)
• Smoothed Embeddings for Certified Few-Shot Learning [63.68667303948808]
  我々はランダムな平滑化を数ショットの学習モデルに拡張し、入力を正規化された埋め込みにマッピングする。 この結果は、異なるデータセットの実験によって確認される。
  論文  参考訳（メタデータ） (2022-02-02T18:19:04Z)
• Analysis of Driving Scenario Trajectories with Active Learning [6.316693022958221]
  我々は,運転時間時系列データに注釈を付けるための能動的学習フレームワークを開発した。 組込みデータに異なる分類モデルを用いた様々なアクティブラーニングパラダイムを適用する。 クラス外トラジェクトリの識別にどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2021-08-06T17:41:40Z)
• Hybrid Model and Data Driven Algorithm for Online Learning of Any-to-Any Path Loss Maps [19.963385352536616]
  デバイス・ツー・アズ・ア・パス・ロス・マップの学習は、デバイス・トゥ・ア・ア・ア・システム(D2D)通信に依存するアプリケーションにとって重要な実現手段となるかもしれない。 モデルに基づく手法は、計算量が少なくて信頼性の高い推定を生成できるという利点がある。 純粋なデータ駆動手法は、物理的なモデルを仮定することなく、優れたパフォーマンスを達成することができる。 本稿では,オンライン手法を用いてデータセットを抽出するハイブリッドモデルとデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-14T13:08:25Z)
• Injecting Knowledge in Data-driven Vehicle Trajectory Predictors [82.91398970736391]
  車両軌道予測タスクは、一般的に知識駆動とデータ駆動の2つの視点から取り組まれている。 本稿では,これら2つの視点を効果的に結合する「現実的残留ブロック」 (RRB) の学習を提案する。 提案手法は,残留範囲を限定し,その不確実性を考慮した現実的な予測を行う。
  論文  参考訳（メタデータ） (2021-03-08T16:03:09Z)
• Unsupervised Noisy Tracklet Person Re-identification [100.85530419892333]
  本稿では,非照合トラックレットデータから識別的人物再識別モデルを訓練できる選択的トラックレット学習(STL)手法を提案する。 これにより、カメラビュー全体で人物の画像/トラックレットの真のマッチングペアを完全にラベル付けする面倒でコストのかかるプロセスが回避されます。 提案手法は生トラックレットの任意のノイズデータに対して特に頑健であるため,制約のない追跡データから識別モデル学習にスケーラブルである。
  論文  参考訳（メタデータ） (2021-01-16T07:31:00Z)
• SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
  本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。 エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
  論文  参考訳（メタデータ） (2020-07-26T08:17:10Z)
• Motion Prediction using Trajectory Sets and Self-Driving Domain Knowledge [3.0938904602244355]
  我々は,オフロード予測をペナルティ化する補助的損失を加えることによって,動作予測に対する分類に基づくアプローチを構築した。 この補助損失は、地図情報のみを使用して容易に事前訓練でき、小さなデータセットの性能を大幅に向上させる。 最後のコントリビューションは、2つの公用自動運転データセットの分類と順序回帰の詳細な比較である。
  論文  参考訳（メタデータ） (2020-06-08T17:37:15Z)
• Learning Probabilistic Intersection Traffic Models for Trajectory Prediction [8.536503379429032]
  この研究は、交差点における車両の挙動を定量化するために使用されるガウス過程に基づく確率的交通モデルを示す。 この方法は時系列位置軌跡のセットで示される。 モデルの適用性を示すために、テスト軌跡は部分的な観察のみで分類される。
  論文  参考訳（メタデータ） (2020-02-05T19:22:26Z)

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。