論文の概要: Establishing Reality-Virtuality Interconnections in Urban Digital Twins for Superior Intelligent Road Inspection
- arxiv url: http://arxiv.org/abs/2412.17699v1
- Date: Mon, 23 Dec 2024 16:31:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:57:46.081871
- Title: Establishing Reality-Virtuality Interconnections in Urban Digital Twins for Superior Intelligent Road Inspection
- Title（参考訳）: 都市デジタル双生児における高知能道路検査のための現実と現実の相互接続の確立
- Authors: Yikang Zhang, Chuang-Wei Liu, Jiahang Li, Yingbing Chen, Jie Cheng, Rui Fan,
- Abstract要約: 道路の整備と交通安全を確保するためには道路検査が不可欠である。
手作業による評価に依存する従来の手法は、労働集約的でコストがかかり、時間を要する。
本稿では,インテリジェント道路検査のためのUrban Digital Twin(UDT)技術に基づくシステムを提案する。
- 参考スコア（独自算出の注目度）: 8.677223673536092
- License:
- Abstract: Road inspection is essential for ensuring road maintenance and traffic safety, as road defects gradually emerge and compromise road functionality. Traditional methods, which rely on manual evaluations, are labor-intensive, costly, and time-consuming. Although data-driven approaches are gaining traction, the scarcity and spatial sparsity of road defects in the real world pose significant challenges in acquiring high-quality datasets. Existing simulators designed to generate detailed synthetic driving scenes, however, lack models for road defects. Furthermore, advanced driving tasks involving interactions with road surfaces, such as planning and control in defective areas, remain underexplored. To address these limitations, we propose a system based on Urban Digital Twin (UDT) technology for intelligent road inspection. First, hierarchical road models are constructed from real-world driving data, creating highly detailed representations of road defect structures and surface elevations. Next, digital road twins are generated to create simulation environments for comprehensive analysis and evaluation. These scenarios are subsequently imported into a simulator to enable both data acquisition and physical simulation. Experimental results demonstrate that driving tasks, including perception and decision-making, can be significantly improved using the high-fidelity road defect scenes generated by our system.
- Abstract（参考訳）: 道路の欠陥が徐々に出現し、道路機能を損なうため、道路の整備と交通安全を確保するためには道路検査が不可欠である。
手作業による評価に依存する従来の手法は、労働集約的でコストがかかり、時間を要する。
データ駆動型アプローチは勢いを増しているが、現実世界における道路欠陥の不足と空間的空間性は、高品質なデータセットを取得する上で大きな課題となっている。
しかし、既存のシミュレーターは、詳細な合成運転シーンを生成するために設計されたが、道路欠陥のモデルが欠如している。
さらに, 道路面との相互作用に関わる先進的な運転課題として, 障害領域の計画や制御が未解明のままである。
これらの制約に対処するため、インテリジェント道路検査のためのUrban Digital Twin(UDT)技術に基づくシステムを提案する。
まず、実世界の運転データから階層的な道路モデルを構築し、道路の欠陥構造と表面の標高を詳細に表現する。
次に、デジタル道路双生児を作成し、総合的な分析と評価のためのシミュレーション環境を作成する。
これらのシナリオはその後、データ取得と物理シミュレーションの両方を可能にするシミュレータにインポートされる。
実験結果から,本システムにより生成された高忠実度道路欠陥シーンを用いて,認識や意思決定を含む運転タスクを大幅に改善できることが示唆された。
関連論文リスト
- DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。
その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。
動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
論文 参考訳（メタデータ） (2024-11-18T03:00:33Z) - DiffRoad: Realistic and Diverse Road Scenario Generation for Autonomous Vehicle Testing [12.964224581549281]
DiffRoadは、制御可能で高忠実な3D道路シナリオを生成するために設計された、新しい拡散モデルである。
Road-UNetアーキテクチャは、バックボーンとスキップ接続のバランスを最適化し、高現実性シナリオを生成する。
生成されたシナリオはOpenDRIVEフォーマットで完全に自動化できる。
論文 参考訳（メタデータ） (2024-11-14T13:56:02Z) - Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。
本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
論文 参考訳（メタデータ） (2024-11-04T09:21:00Z) - SmartRSD: An Intelligent Multimodal Approach to Real-Time Road Surface Detection for Safe Driving [4.22695582100076]
本稿では,音声と画像を統合することで路面条件の自動検出を実現するためのマルチモーダル手法を提案する。
本研究は,道路安全の向上と事故リスクの最小化を目的とした聴覚と視覚の融合の可能性を明らかにするものである。
論文 参考訳（メタデータ） (2024-06-14T15:38:21Z) - 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) - Reinforcement Learning with Human Feedback for Realistic Traffic
Simulation [53.85002640149283]
効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。
本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
論文 参考訳（メタデータ） (2023-09-01T19:29:53Z) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-16T16:54:10Z) - Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。
自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。
本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文 参考訳（メタデータ） (2023-01-11T18:39:34Z) - Deep Learning based Computer Vision Methods for Complex Traffic
Environments Perception: A Review [22.53793239186955]
本稿では、インテリジェントトランスポートシステム(ITS)と自律運転(AD)におけるコンピュータビジョンの応用に関する広範な文献レビューを行った。
データ課題は、トレーニングデータの収集とラベル付け、実際の状況への関連性、データセット固有のバイアス、処理に必要な大量のデータ、プライバシの懸念に関連している。
ディープラーニング(DL)モデルは通常、組み込みハードウェアのリアルタイム処理には複雑すぎるため、説明可能性や一般化性が欠如しており、現実世界の設定ではテストが難しい。
論文 参考訳（メタデータ） (2022-11-09T05:16:01Z) - VTGNet: A Vision-based Trajectory Generation Network for Autonomous
Vehicles in Urban Environments [26.558394047144006]
模倣学習に基づく不確実性を考慮した終端軌道生成手法を開発した。
様々な気象条件や照明条件下では,ネットワークは異なる都市環境下で確実にトラジェクトリを生成することができる。
提案手法は,SOTA(State-of-the-art-to-end Control)よりもクロスシーン/プラットフォーム駆動性が向上する。
論文 参考訳（メタデータ） (2020-04-27T06:17:55Z)
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。