論文の概要: An FPGA-Based Neuro-Fuzzy Sensor for Personalized Driving Assistance

• arxiv url: http://arxiv.org/abs/2501.16212v1
• Date: Mon, 27 Jan 2025 17:04:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:54:14.192602
• Title: An FPGA-Based Neuro-Fuzzy Sensor for Personalized Driving Assistance
• Title（参考訳）: FPGAを用いたパーソナライズドライビング支援用ニューロファジィセンサ
• Authors: Óscar Mata-Carballeira, Jon Gutiérrez-Zaballa, Inés del Campo, Victoria Martínez,
• Abstract要約: 本研究は,運転スタイル認識のための知的神経ファジィセンサを提案する。 SHRP2研究による自然性駆動データを用いた駆動型インテリジェントセンサの開発 システムは Xilinx Zynq プログラマブルシステムオンチップ (PSoC) のフィールドプログラマブルゲートアレイ (FPGA) デバイスを用いて実装されている。
• 参考スコア（独自算出の注目度）: 1.3499500088995464
• License:
• Abstract: Advanced driving-assistance systems (ADAS) are intended to automatize driver tasks, as well as improve driving and vehicle safety. This work proposes an intelligent neuro-fuzzy sensor for driving style (DS) recognition, suitable for ADAS enhancement. The development of the driving style intelligent sensor uses naturalistic driving data from the SHRP2 study, which includes data from a CAN bus, inertial measurement unit, and front radar. The system has been successfully implemented using a field-programmable gate array (FPGA) device of the Xilinx Zynq programmable system-on-chip (PSoC). It can mimic the typical timing parameters of a group of drivers as well as tune these typical parameters to model individual DSs. The neuro-fuzzy intelligent sensor provides high-speed real-time active ADAS implementation and is able to personalize its behavior into safe margins without driver intervention. In particular, the personalization procedure of the time headway (THW) parameter for an ACC in steady car following was developed, achieving a performance of 0.53 microseconds. This performance fulfilled the requirements of cutting-edge active ADAS specifications.
• Abstract（参考訳）: 高度な運転支援システム(ADAS)は、運転タスクの自動化、運転と車両の安全性の向上を目的としている。 本研究は、ADAS増強に適した運転スタイル認識のためのインテリジェントなニューロファジィセンサを提案する。 駆動式インテリジェントセンサーの開発には、CANバス、慣性測定ユニット、フロントレーダからのデータを含むSHRP2研究からの自然な駆動データを使用する。 このシステムは Xilinx Zynq プログラマブルシステムオンチップ (PSoC) のフィールドプログラマブルゲートアレイ (FPGA) デバイスを用いて実装されている。 ドライバの典型的なタイミングパラメータを模倣し、それらの典型的なパラメータを個々のDSをモデル化する。 ニューロファジィインテリジェントセンサーは、高速リアルタイムアクティブADAS実装を提供し、ドライバーの介入なしにその振る舞いを安全なマージンにパーソナライズすることができる。 特に、定常走行車におけるACCの時間方向パラメータ(THW)のパーソナライズ手順を開発し、0.53マイクロ秒の性能を実現した。 この性能は、最先端のADAS仕様の要求を満たした。

関連論文リスト

• EditFollower: Tunable Car Following Models for Customizable Adaptive Cruise Control Systems [28.263763430300504]
  本研究では,データ駆動型自動車追従モデルを提案する。 本モデルは,運転者の社会的嗜好を考慮に入れたACCシステムの開発に有用な知見を提供する。
  論文  参考訳（メタデータ） (2024-06-23T15:04:07Z)
• RACER: Rational Artificial Intelligence Car-following-model Enhanced by Reality [51.244807332133696]
  本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。 従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。 RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
  論文  参考訳（メタデータ） (2023-12-12T06:21:30Z)
• Enabling the Evaluation of Driver Physiology Via Vehicle Dynamics [2.290169426618366]
  本稿では,運転者の生理学を評価できる連結生態系に車両を変換するための構成と手法について述べる。 自動車とデジタルの健康分野からの一連の商用センサーと、車自体からのドライバー入力を統合した。
  論文  参考訳（メタデータ） (2023-09-08T02:27:28Z)
• Physics-inspired Neural Networks for Parameter Learning of Adaptive Cruise Control Systems [3.522062800701924]
  本稿では,自動車産業におけるアクセプティブ・クルーズ・コントロール(ACC)システムのパラメータを学習するための物理インスパイアされたニューラルネットワーク(PiNN)を提案し,開発する。 開発したPiNNは、ACC搭載車両の縦方向のダイナミクスの代理モデルとして機能する。 この結果は、異なる自動車メーカーのストックACCシステムの未知の設計パラメータを学習する上で、提案するPiNNの優れた予測能力を示している。
  論文  参考訳（メタデータ） (2023-09-03T16:33:47Z)
• Enhancing Road Safety through Accurate Detection of Hazardous Driving Behaviors with Graph Convolutional Recurrent Networks [0.2578242050187029]
  グラフ畳み込み長短期記憶ネットワーク(GConvLSTM)に基づく信頼性駆動行動検出(DBD)システムを提案する。 提案モデルでは,公共センサの精度97.5%,非公共センサの平均精度98.1%を達成し,両者の整合性と精度を示した。 提案システムは,道路の安全向上と運転ミスによる事故件数削減に有効である可能性が示唆された。
  論文  参考訳（メタデータ） (2023-05-08T21:05:36Z)
• Bayesian Optimization and Deep Learning forsteering wheel angle prediction [58.720142291102135]
  本研究の目的は,自動走行システムにおける操舵角度予測の精度の高いモデルを得ることである。 BOは限られた試行数で、BOST-LSTMと呼ばれるモデルを特定し、古典的なエンドツーエンド駆動モデルと比較して最も正確な結果を得た。
  論文  参考訳（メタデータ） (2021-10-22T15:25:14Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
  運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。 提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
  論文  参考訳（メタデータ） (2021-03-01T06:47:29Z)
• Driver2vec: Driver Identification from Automotive Data [44.84876493736275]
  Driver2vecは、センサーデータの短い10秒間隔からドライバを正確に識別することができる。 Driver2vecは、Nervtechが提供する51人のドライバーのデータセットでトレーニングされている。
  論文  参考訳（メタデータ） (2021-02-10T03:09:13Z)
• IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
  本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。 当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
  論文  参考訳（メタデータ） (2021-01-20T00:31:52Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。