論文の概要: APIKS: A Modular ROS2 Framework for Rapid Prototyping and Validation of Automated Driving Systems

• arxiv url: http://arxiv.org/abs/2502.20507v1
• Date: Thu, 27 Feb 2025 20:29:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:42:22.578831
• Title: APIKS: A Modular ROS2 Framework for Rapid Prototyping and Validation of Automated Driving Systems
• Title（参考訳）: APIKS: 自動走行システムの高速プロトタイピングと検証のためのモジュール型ROS2フレームワーク
• Authors: João-Vitor Zacchi, Edoardo Clementi, Núria Mata,
• Abstract要約: APIKSは、自動運転車ソフトウェアのテストと検証のためのROS2に基づくモジュラーフレームワークである。 それは、小さな概念実証のために特別に設計された、単純化された標準ベースのアーキテクチャを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Automated driving technologies promise substantial improvements in transportation safety, efficiency, and accessibility. However, ensuring the reliability and safety of Autonomous Vehicles in complex, real-world environments remains a significant challenge, particularly during the early stages of software development. Existing software development environments and simulation platforms often either focus narrowly on specific functions or are too complex, hindering the rapid prototyping of small proofs of concept. To address this challenge, we have developed the APIKS automotive platform, a modular framework based on ROS2. APIKS is designed for the efficient testing and validation of autonomous vehicle software within software-defined vehicles. It offers a simplified, standards-based architecture designed specifically for small-scale proofs of concept. This enables rapid prototyping without the overhead associated with comprehensive platforms. We demonstrate the capabilities of APIKS through an exemplary use case involving a Construction Zone Assist system, illustrating its effectiveness in facilitating the development and testing of autonomous vehicle functionalities.
• Abstract（参考訳）: 自動走行技術は交通安全、効率、アクセシビリティを大幅に改善する。 しかし、複雑な現実世界環境における自動運転車の信頼性と安全性を確保することは、特にソフトウェア開発の初期段階において重要な課題である。 既存のソフトウェア開発環境とシミュレーションプラットフォームは、しばしば特定の機能に狭くフォーカスするか、複雑すぎるかのいずれかで、小さな概念実証の迅速なプロトタイピングを妨げる。 この課題に対処するため、ROS2をベースとしたモジュラーフレームワークであるAPIKS Automotive Platformを開発しました。 APIKSは、ソフトウェア定義車内における自動運転車ソフトウェアの効率的なテストと検証のために設計されている。 それは、小さな概念実証のために特別に設計された、単純化された標準ベースのアーキテクチャを提供する。 これにより、包括的なプラットフォームに関連するオーバーヘッドを伴わずに、迅速なプロトタイピングが可能になる。 構築ゾーンアシストシステムを含む模範的なユースケースを通じて,APIKSの能力を実証し,自律走行車機能の開発とテストを容易にする上での有効性を実証する。

関連論文リスト

• CARLOS: An Open, Modular, and Scalable Simulation Framework for the Development and Testing of Software for C-ITS [0.0]
  CARLOS - C-ITSにおけるソフトウェアの開発とテストのためのオープンでモジュール化されたスケーラブルなシミュレーションフレームワークを提案する。 このフレームワークの中核となるビルディングブロックを提供し、コミュニティによってどのように利用され、拡張されるかを説明します。 本稿では、重要な設計原則を説明し、3つの主要なユースケースを示すことによって、アーキテクチャのモチベーションを高める。
  論文  参考訳（メタデータ） (2024-04-02T10:48:36Z)
• On STPA for Distributed Development of Safe Autonomous Driving: An Interview Study [0.7851536646859475]
  System-Theoretic Process Analysis (STPA)は、防衛や航空宇宙といった安全関連分野に適用される新しい手法である。 STPAは、分散システム開発とマルチアトラクション設計レベルを備えた自動車システム工学において、完全には有効でない前提条件を前提としている。 これは継続的開発とデプロイメントにおける保守性の問題と見なすことができる。
  論文  参考訳（メタデータ） (2024-03-14T15:56:02Z)
• Formal Modelling of Safety Architecture for Responsibility-Aware Autonomous Vehicle via Event-B Refinement [1.45566585318013]
  本稿では,AVの安全条件をモデル化し,導出し,証明する上での戦略と経験について述べる。 このケーススタディは、現在最先端のゴール認識型責任感性安全性モデルを対象として、周囲の車両との相互作用について議論する。
  論文  参考訳（メタデータ） (2024-01-10T02:02:06Z)
• Simulation-based Safety Assurance for an AVP System incorporating Learning-Enabled Components [0.6526824510982802]
  テスト、検証、検証 AD/ADASセーフティクリティカルなアプリケーションが大きな課題のひとつとして残っています。 安全クリティカルな学習可能システムの検証と検証を目的としたシミュレーションベースの開発プラットフォームについて説明する。
  論文  参考訳（メタデータ） (2023-09-28T09:00:31Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
  自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。 車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。 推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-16T12:14:42Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• Tackling Variabilities in Autonomous Driving [15.374442918002813]
  可変性のある自動運転タスクのためのハードウェア基板を提供するために、新しい異種マルチコアAIアクセラレータ(HMAI)を提案します。 また,タスクマッピング問題を解決するために,深層強化学習(RL)に基づくタスクスケジューリング機構FlexAIを提案する。
  論文  参考訳（メタデータ） (2021-04-21T08:51:40Z)
• Machine Learning-Based Automated Design Space Exploration for Autonomous Aerial Robots [55.056709056795206]
  自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。 F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。 サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
  論文  参考訳（メタデータ） (2021-02-05T03:50:54Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)
• A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge [49.976633450740145]
  本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。 我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
  論文  参考訳（メタデータ） (2020-10-23T18:07:48Z)

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。