論文の概要: Zonal Architecture Development with evolution of Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2412.01840v1
• Date: Mon, 18 Nov 2024 03:15:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 16:39:32.498088
• Title: Zonal Architecture Development with evolution of Artificial Intelligence
• Title（参考訳）: 人工知能の進化にともなうゾナルアーキテクチャ開発
• Authors: Sneha Sudhir Shetiya, Vikas Vyas, Shreyas Renukuntla,
• Abstract要約: 本稿では、従来の集中型アーキテクチャが、スケーラビリティ、信頼性、性能、コスト効率といった課題に対処するために、分散地域アプローチにどのように移行しているかを説明する。 自動運転車の高度なセンサー融合と意思決定機能の実現におけるエッジコンピューティングとニューラルネットワークの役割について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper explains how traditional centralized architectures are transitioning to distributed zonal approaches to address challenges in scalability, reliability, performance, and cost-effectiveness. The role of edge computing and neural networks in enabling sophisticated sensor fusion and decision-making capabilities for autonomous vehicles is examined. Additionally, this paper discusses the impact of zonal architectures on vehicle diagnostics, power distribution, and smart power management systems. Key design considerations for implementing effective zonal architectures are presented, along with an overview of current challenges and future directions. The objective of this paper is to provide a comprehensive understanding of how zonal architectures are shaping the future of automotive technology, particularly in the context of self-driving vehicles and artificial intelligence integration.
• Abstract（参考訳）: 本稿では、従来の集中型アーキテクチャが、スケーラビリティ、信頼性、性能、コスト効率といった課題に対処するために、分散地域アプローチにどのように移行しているかを説明する。 自動運転車の高度なセンサー融合と意思決定機能の実現におけるエッジコンピューティングとニューラルネットワークの役割について検討した。 さらに, 車両の診断, 電力分布, スマートパワー管理システムに対する地域構造の影響について考察する。 近年の課題と今後の方向性を概観するとともに,効果的な地域アーキテクチャを実現するための重要な設計上の考察について述べる。 本研究の目的は、特に自動運転車と人工知能の統合の文脈において、ゾーンアーキテクチャーが自動車技術の未来をどのように形成しているかを包括的に理解することである。

関連論文リスト

• Generative AI in Transportation Planning: A Survey [50.88844036728445]
  我々は、交通計画においてGenAIを活用するための最初の包括的枠組みを提示する。 交通計画の観点から, 記述的, 予測的, 生成的, シミュレーション, 説明可能なタスクの自動化におけるGenAIの役割を検討する。 データ不足、説明可能性、バイアス軽減、ドメイン固有の評価フレームワークの開発など、重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-03-10T10:33:31Z)
• Knowledge Integration Strategies in Autonomous Vehicle Prediction and Planning: A Comprehensive Survey [0.0]
  本調査では,自律運転システムへの知識に基づくアプローチの統合について検討する。 本稿では,これらのシステムにドメイン知識,交通ルール,コモンセンス推論を組み込む手法を体系的に検討する。
  論文  参考訳（メタデータ） (2025-02-13T19:32:41Z)
• Task Offloading in Vehicular Edge Computing using Deep Reinforcement Learning: A Survey [9.21746609806009]
  適応的,リアルタイムな意思決定を通じて計算オフロードを最適化するために,強化学習(RL)と深層強化学習(DRL)フレームワークの可能性を検討する。 本稿では,車載ネットワークにおけるDRLの理解と適用を促進することを目的とした,標準化された学習モデル,最適化された報酬構造,協調型マルチエージェントシステムなどの重要な側面に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-10T19:02:20Z)
• A Survey of World Models for Autonomous Driving [63.33363128964687]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Exploring the Interplay Between Video Generation and World Models in Autonomous Driving: A Survey [61.39993881402787]
  世界モデルとビデオ生成は、自動運転の領域において重要な技術である。 本稿では,この2つの技術の関係について検討する。 映像生成モデルと世界モデルとの相互作用を分析することにより,重要な課題と今後の研究方向性を明らかにする。
  論文  参考訳（メタデータ） (2024-11-05T08:58:35Z)
• Centralization potential of automotive E/E architectures [2.7143159361691227]
  集中型アーキテクチャは、しばしば課題をマスターするための重要なイネーブラーと見なされる。 システムデザイナとファンクションディベロッパが中央集権化のためのシステムの可能性を分析するためのガイドラインに関する研究ギャップがある。 本稿では, 理論的研究と実践的応用のギャップを埋め, 実践者に価値あるテイクアウトを提供する。
  論文  参考訳（メタデータ） (2024-09-16T19:36:32Z)
• Towards Edge-Based Data Lake Architecture for Intelligent Transportation System [0.0]
  この研究はエッジベースのデータレイクアーキテクチャを提案し、複雑なデータをITSから効率的に統合し分析する。 3つの異なるユースケースの分析を通して、アーキテクチャの有効性を実証する。
  論文  参考訳（メタデータ） (2024-09-04T15:25:28Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 ディープラーニングとエッジコンピューティングの進歩により、VADは大きな進歩を遂げた。 この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• A Survey of Generative AI for Intelligent Transportation Systems: Road Transportation Perspective [7.770651543578893]
  我々は、異なる生成AI技術の原則を紹介する。 我々は,ITSにおけるタスクを,交通認識,交通予測,交通シミュレーション,交通意思決定の4つのタイプに分類する。 これらの4種類のタスクにおいて、生成的AI技術が重要な問題にどのように対処するかを説明する。
  論文  参考訳（メタデータ） (2023-12-13T16:13:23Z)
• Autonomous Vehicles an overview on system, cyber security, risks, issues, and a way forward [0.0]
  この章は、自動運転車の複雑な領域を探求し、その基本的な構成要素と運用上の特性を分析します。 この調査の主な焦点は、サイバーセキュリティの領域、特に自動運転車の文脈にある。 これらの車両を潜在的な脅威から保護することを目的とした様々なリスク管理ソリューションについて、包括的な分析を行う。
  論文  参考訳（メタデータ） (2023-09-25T15:19:09Z)
• Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
  ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。 ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。 新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
  論文  参考訳（メタデータ） (2023-08-27T03:55:28Z)
• The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
  我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。 異なる統合原則の意味、強み、限界について論じる。
  論文  参考訳（メタデータ） (2023-08-10T17:53:03Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)
• Towards Safe, Explainable, and Regulated Autonomous Driving [11.043966021881426]
  本稿では、自律制御、説明可能なAI(XAI)、規制コンプライアンスを統合するフレームワークを提案する。 フレームワークの目標を達成するのに役立つ、関連するXAIアプローチについて説明します。
  論文  参考訳（メタデータ） (2021-11-20T05:06:22Z)
• AI in Smart Cities: Challenges and approaches to enable road vehicle automation and smart traffic control [56.73750387509709]
  SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。 本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
  論文  参考訳（メタデータ） (2021-04-07T14:31:08Z)

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。