論文の概要: AssistTaxi: A Comprehensive Dataset for Taxiway Analysis and Autonomous Operations
- arxiv url: http://arxiv.org/abs/2409.06856v1
- Date: Tue, 10 Sep 2024 20:40:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-12 16:29:39.473687
- Title: AssistTaxi: A Comprehensive Dataset for Taxiway Analysis and Autonomous Operations
- Title（参考訳）: AssistTaxi: 税道分析と自律運用のための総合データセット
- Authors: Parth Ganeriwala, Siddhartha Bhattacharyya, Sean Gunther, Brian Kish, Mohammed Abdul Hafeez Khan, Ankur Dhadoti, Natasha Neogi,
- Abstract要約: AssistTaxiは、滑走路とタクシーウェイの分析のための画像のコレクションである新しいデータセットである。
AssistTaxiの重要性は、自動運転事業を前進させる可能性にある。
- 参考スコア（独自算出の注目度）: 2.76101452577748
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The availability of high-quality datasets play a crucial role in advancing research and development especially, for safety critical and autonomous systems. In this paper, we present AssistTaxi, a comprehensive novel dataset which is a collection of images for runway and taxiway analysis. The dataset comprises of more than 300,000 frames of diverse and carefully collected data, gathered from Melbourne (MLB) and Grant-Valkaria (X59) general aviation airports. The importance of AssistTaxi lies in its potential to advance autonomous operations, enabling researchers and developers to train and evaluate algorithms for efficient and safe taxiing. Researchers can utilize AssistTaxi to benchmark their algorithms, assess performance, and explore novel approaches for runway and taxiway analysis. Addition-ally, the dataset serves as a valuable resource for validating and enhancing existing algorithms, facilitating innovation in autonomous operations for aviation. We also propose an initial approach to label the dataset using a contour based detection and line extraction technique.
- Abstract（参考訳）: 高品質なデータセットの可用性は、特に安全クリティカルなシステムや自律システムにおいて、研究と開発を進める上で重要な役割を担っている。
本稿では,ランウェイとタクシーウェイ解析のための画像の集合である包括的新しいデータセットAssistTaxiを提案する。
このデータセットは、メルボルン(MLB)とグラント・バルカリア(X59)の一般空港から収集された、30万フレーム以上の多様で慎重に収集されたデータで構成されている。
AssistTaxiの重要性は、自律的なオペレーションを進める可能性にある。研究者や開発者は、効率的で安全なタクシーのアルゴリズムを訓練し、評価することができる。
研究者はAssistTaxiを使ってアルゴリズムをベンチマークし、パフォーマンスを評価し、滑走路とタクシーウェイの分析のための新しいアプローチを探索することができる。
このデータセットは、既存のアルゴリズムの検証と強化のための貴重なリソースとして機能し、航空の自律運用におけるイノベーションを促進する。
また,輪郭に基づく検出と線抽出手法を用いてデータセットをラベル付けする手法を提案する。
関連論文リスト
- DACO: Towards Application-Driven and Comprehensive Data Analysis via Code Generation [83.30006900263744]
データ分析は、詳細な研究と決定的な洞察を生み出すための重要な分析プロセスである。
LLMのコード生成機能を活用した高品質な応答アノテーションの自動生成を提案する。
我々のDACO-RLアルゴリズムは、57.72%のケースにおいて、SFTモデルよりも有用な回答を生成するために、人間のアノテータによって評価される。
論文 参考訳（メタデータ） (2024-03-04T22:47:58Z) - ANNA: A Deep Learning Based Dataset in Heterogeneous Traffic for
Autonomous Vehicles [2.932123507260722]
本研究ではバングラデシュの視点で、特定されていない車両を含むカスタムビルドデータセットについて論じる。
IOU(Intersection Over Union)メトリックを用いたモデルの評価により,データセットの妥当性チェックを行った。
その結果、バングラデシュのトラフィックに関するKITTIまたはCOCOデータセットでトレーニングされたモデルよりも、カスタムデータセットでトレーニングされたモデルの方が正確で効率的であることが判明した。
論文 参考訳（メタデータ） (2024-01-21T01:14:04Z) - A Survey on Autonomous Driving Datasets: Statistics, Annotation Quality, and a Future Outlook [24.691922611156937]
複数の視点から265個の自律走行データセットを網羅的に検討した。
我々は、新しいデータセットを作成するためのガイドとしても使えるデータセットの影響を評価するための新しい指標を紹介します。
我々は、将来の自動運転データセットの現在の課題と開発動向について論じる。
論文 参考訳（メタデータ） (2024-01-02T22:35:33Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
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) - On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-24T14:01:53Z) - Using Spark Machine Learning Models to Perform Predictive Analysis on
Flight Ticket Pricing Data [0.0]
このプロジェクトの目的は、米国中のノンストップ便の航空券料金を予測するために、現実世界で利用できる最良のモデルを決定することだ。
ランダムフォレスト、グラディエントブーストツリー、決定木、ファクトリゼーションマシンの4つの回帰機械学習アルゴリズムが利用された。
論文 参考訳（メタデータ） (2023-10-11T18:20:17Z) - RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and
Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。
我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。
約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文 参考訳（メタデータ） (2023-10-03T17:59:32Z) - Large Scale Autonomous Driving Scenarios Clustering with Self-supervised
Feature Extraction [6.804209932400134]
本稿では,自動車運転データの大規模集合に対する包括的データクラスタリングフレームワークを提案する。
提案手法では,トラヒック内エージェントオブジェクトとマップ情報の両方を含むトラフィック要素を網羅的に検討する。
新たに設計されたデータクラスタリング評価メトリクスは、データ拡張に基づくものであるため、精度評価には人間のラベル付きデータセットは必要ない。
論文 参考訳（メタデータ） (2021-03-30T06:22:40Z) - Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。
実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
論文 参考訳（メタデータ） (2021-01-16T23:45:02Z) - Understanding the Dynamics of Drivers' Locations for Passengers Pickup
Performance: A Case Study [2.9478082283896065]
予約要求時のドライバーと乗客の位置を、ドライバーのピックアップパフォーマンスの文脈で分析する。
また,すべてのトラジェクトリデータを用いることなく,予約要求のタイムリーピックアップを予測する可能性についても検討する。
論文 参考訳（メタデータ） (2020-09-09T05:07:03Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z)
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。