Fugu-MT 論文翻訳(概要): Towards adaptive trajectories for mixed autonomous and human-operated ships

論文の概要: Towards adaptive trajectories for mixed autonomous and human-operated ships

arxiv url: http://arxiv.org/abs/2409.12714v1
Date: Thu, 19 Sep 2024 12:38:19 GMT
ステータス: 処理完了
システム内更新日: 2024-11-07 13:45:42.538894
Title: Towards adaptive trajectories for mixed autonomous and human-operated ships
Title（参考訳）: 自律船と人力船の混成航路の適応化に向けて
Authors: Danilo Pianini, Sven Tomforde,
Abstract要約: 私たちは自動運転車の台頭を目の当たりにしています。本研究は、自律船と人体船の軌道予測と適応の課題について詳述する。
参考スコア（独自算出の注目度）: 1.7218973692320518
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We are witnessing the rise of autonomous cars, which will likely revolutionize the way we travel. Arguably, the maritime domain lags behind, as ships operate on many more degrees of freedom (thus, a much larger search space): there is less physical infrastructure, and rules are less consistent and constraining than what is found on roads. The problem is further complicated by the inevitable co-existence of autonomous and human-operated ships: the latter may take unpredictable decisions, which require adjustments on the autonomous ones. Finally, the problem is inherently decentralised, there is no central authority, and communication means can be very diverse in terms of communication distance and performance, mandating special care on which information is shared and how. In this work, we elaborate on the challenges of trajectory prediction and adaptation for mixed autonomous and human-operated ships, and we propose initial ideas on potential approaches to address them.
Abstract（参考訳）: 私たちは自動運転車の台頭を目の当たりにしています。船がより多くの自由度(つまり、はるかに大きな検索スペース)で活動するにつれて、海洋ドメインは遅れている。この問題は、自律船と人力船の必然的共存によってさらに複雑になる:後者は予測不可能な決定を下し、自律船の調整を必要とする。最後に、問題は本質的に分散化されており、中央の権威はなく、コミュニケーション手段はコミュニケーション距離や性能の点で非常に多様であり、情報の共有方法や方法に関する特別なケアを義務付けることができる。本研究は, 自律船と人力船の軌道予測と適応の課題について詳述し, それらに対処するための潜在的アプローチに関する最初のアイデアを提案する。

関連論文リスト

Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
論文参考訳（メタデータ） (2024-07-09T04:56:11Z)
Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文参考訳（メタデータ） (2024-05-14T09:42:21Z)
Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文参考訳（メタデータ） (2024-05-03T00:29:20Z)
Decentralized traffic management of autonomous drones [0.3374875022248865]
本稿では,自律型エージェントを効果的に航空調整タスクに自己組織化できるソリューションを提案する。我々のアルゴリズムは、ドローンの数とその速度範囲に関して安全で効率的でスケーラブルであることを示す。我々は,半径125mの円形領域における100機の自律ドローンの航空交通の協調を実験的に実証した。
論文参考訳（メタデータ） (2023-12-18T13:52:52Z)
LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
論文参考訳（メタデータ） (2023-11-02T07:23:33Z)
Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文参考訳（メタデータ） (2023-07-05T21:38:36Z)
Decision Making for Autonomous Driving in Interactive Merge Scenarios via Learning-based Prediction [39.48631437946568]
本稿では,他のドライバの動作から不確実性が生ずる移動トラフィックにマージする複雑なタスクに焦点を当てる。我々はこの問題を部分的に観測可能なマルコフ決定プロセス(POMDP)とみなし、モンテカルロ木探索でオンラインに解決する。 POMDPの解決策は、接近する車に道を譲る、前方の車から安全な距離を維持する、あるいは交通に合流するといった、高いレベルの運転操作を行う政策である。
論文参考訳（メタデータ） (2023-03-29T16:12:45Z)
Pedestrian-Robot Interactions on Autonomous Crowd Navigation: Reactive Control Methods and Evaluation Metrics [23.389778235940405]
本稿では,自律移動車を用いた群集ナビゲーション制御フレームワークを提案する。本研究では, 自然群集における会計効率, コントローラ応答, 群集間相互作用の評価指標を提案する。反応制御器は,群集ナビゲーションに高速かつ連続的に適応するために必要なタスクを果たす。
論文参考訳（メタデータ） (2022-08-03T14:56:03Z)
Risk-based implementation of COLREGs for autonomous surface vehicles using deep reinforcement learning [1.304892050913381]
深層強化学習(DRL)は幅広い応用の可能性を示している。本研究は,海上衝突防止国際規則(COLREG)のサブセットをDRLに基づく経路追従と障害物回避システムに組み込んだものである。得られた自律エージェントは、訓練シナリオ、孤立した遭遇状況、実世界のシナリオのAISに基づくシミュレーションにおいて、経路追従とCOLREG準拠の衝突回避を動的に補間する。
論文参考訳（メタデータ） (2021-11-30T21:32:59Z)
Calibration of Human Driving Behavior and Preference Using Naturalistic Traffic Data [5.926030548326619]
自然トラフィックデータからドライバの好みを推定するためにモデルをどのように反転させることができるかを示す。我々のアプローチの際立った利点は、計算負担を大幅に削減することである。
論文参考訳（メタデータ） (2021-05-05T01:20:03Z)
Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文参考訳（メタデータ） (2021-01-18T01:43:36Z)

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。