論文の概要: 3CSim: CARLA Corner Case Simulation for Control Assessment in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2409.10524v1
• Date: Fri, 30 Aug 2024 12:38:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-22 21:32:16.748377
• Title: 3CSim: CARLA Corner Case Simulation for Control Assessment in Autonomous Driving
• Title（参考訳）: 3CSim: 自律走行における制御評価のためのCARLAコーナーケースシミュレーション
• Authors: Matúš Čávojský, Eugen Šlapak, Matúš Dopiriak, Gabriel Bugár, Juraj Gazda,
• Abstract要約: このフレームワークは、標準ではない、まれで、認知的に困難なシナリオに焦点を当てることで、従来のADモデルトレーニングの制限に対処するために設計されている。 本手法では,状態異常,行動異常,エビデンスに基づく異常に分類されるコーナーケースの分類を導入する。 9つの事前定義された気象条件,タイミング,交通密度を含む,調整可能なパラメータを持つ32個のコーナーケースを実装した。
• 参考スコア（独自算出の注目度）: 0.44938884406455726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the CARLA corner case simulation (3CSim) for evaluating autonomous driving (AD) systems within the CARLA simulator. This framework is designed to address the limitations of traditional AD model training by focusing on non-standard, rare, and cognitively challenging scenarios. These corner cases are crucial for ensuring vehicle safety and reliability, as they test advanced control capabilities under unusual conditions. Our approach introduces a taxonomy of corner cases categorized into state anomalies, behavior anomalies, and evidence-based anomalies. We implement 32 unique corner cases with adjustable parameters, including 9 predefined weather conditions, timing, and traffic density. The framework enables repeatable and modifiable scenario evaluations, facilitating the creation of a comprehensive dataset for further analysis.
• Abstract（参考訳）: CARLAシミュレータ内の自律走行(AD)システムを評価するためのCARLAコーナーケースシミュレーション(3CSim)を提案する。 このフレームワークは、標準ではない、まれで、認知的に困難なシナリオに焦点を当てることで、従来のADモデルトレーニングの制限に対処するために設計されている。 これらのコーナーケースは、異常な条件下で高度な制御能力をテストするため、車両の安全性と信頼性を確保するために不可欠である。 本手法では,状態異常,行動異常,エビデンスに基づく異常に分類されるコーナーケースの分類を導入する。 9つの事前定義された気象条件,タイミング,交通密度を含む,調整可能なパラメータを持つ32個のコーナーケースを実装した。 このフレームワークは、反復可能で変更可能なシナリオ評価を可能にし、さらなる分析のための包括的なデータセットの作成を容易にする。

関連論文リスト

• Rigorous Simulation-based Testing for Autonomous Driving Systems -- Targeting the Achilles' Heel of Four Open Autopilots [6.229766691427486]
  本稿では,シナリオを単純なものに分割した厳密なテスト手法を提案する。 クリティカルな状況において、車両をテスト対象とするクリティカルな構成のテストケースを生成します。 テストケースでは、Apollo、Autoware、CarlaとLGSVLのオートパイロットに重大な欠陥が見られる。
  論文  参考訳（メタデータ） (2024-05-27T08:06:21Z)
• Criteria for Uncertainty-based Corner Cases Detection in Instance Segmentation [2.9419365092937086]
  予測の不確実性に基づくコーナーケースの基準を示す。 我々はCOCOとNuImagesデータセットを用いて各コーナーケース基準を評価する。 また、各対象を正正値(TP)、正値(False Positive)、正値(False Positive)、正値(False Positive)に区別できるコーナーケース決定関数も提供する。
  論文  参考訳（メタデータ） (2024-04-17T11:17:12Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• CC-SGG: Corner Case Scenario Generation using Learned Scene Graphs [6.131026007721575]
  コーナーケースシナリオは、自動運転車(AV)の安全性のテストと検証に不可欠なツールである 我々は、通常の運転シナリオをコーナーケースに変換するために、異種グラフニューラルネットワーク(HGNN)に基づく新しいアプローチを導入する。 我々のモデルは入力シーングラフからコーナーケースの生成を成功させ、テストデータセットで89.9%の精度で予測した。
  論文  参考訳（メタデータ） (2023-09-18T14:59:11Z)
• USC: Uncompromising Spatial Constraints for Safety-Oriented 3D Object Detectors in Autonomous Driving [7.355977594790584]
  自律運転における3次元物体検出器の安全性指向性能について考察する。 本稿では,単純だが重要な局所化要件を特徴付ける空間的制約 (USC) について述べる。 既存のモデルに対する安全性指向の微調整を可能にするために,定量的な測定値を共通損失関数に組み込む。
  論文  参考訳（メタデータ） (2022-09-21T14:03:08Z)
• 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)
• Pointwise Feasibility of Gaussian Process-based Safety-Critical Control under Model Uncertainty [77.18483084440182]
  制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。 本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-13T23:08:49Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)
• Corner Case Generation and Analysis for Safety Assessment of Autonomous Vehicles [3.673699859949693]
  意思決定システムのための一貫した枠組みが提案されている。 背景車両の挙動を学習するために, 深部強化学習技術を適用した。 学習されたポリシーでは、BVはより積極的にCAVと対話し、より多くのコーナーケースをもたらす。
  論文  参考訳（メタデータ） (2021-02-06T02:48:23Z)

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。