論文の概要: Trajectory Prediction for Autonomous Driving: Progress, Limitations, and Future Directions

• arxiv url: http://arxiv.org/abs/2503.03262v1
• Date: Wed, 05 Mar 2025 08:38:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:53:52.152443
• Title: Trajectory Prediction for Autonomous Driving: Progress, Limitations, and Future Directions
• Title（参考訳）: 自律走行の軌道予測:進歩・限界・今後の方向性
• Authors: Nadya Abdel Madjid, Abdulrahman Ahmad, Murad Mebrahtu, Yousef Babaa, Abdelmoamen Nasser, Sumbal Malik, Bilal Hassan, Naoufel Werghi, Jorge Dias, Majid Khonji,
• Abstract要約: 本稿では,近年の軌跡予測手法のかなりの部分を概観し,既存の解を分類するための分類法を考案する。 さらに,軌道予測における活発な研究領域について論じ,提案する研究課題に対処し,残りの研究ギャップと課題を強調した。
• 参考スコア（独自算出の注目度）: 8.367374274783614
• License:
• Abstract: As the potential for autonomous vehicles to be integrated on a large scale into modern traffic systems continues to grow, ensuring safe navigation in dynamic environments is crucial for smooth integration. To guarantee safety and prevent collisions, autonomous vehicles must be capable of accurately predicting the trajectories of surrounding traffic agents. Over the past decade, significant efforts from both academia and industry have been dedicated to designing solutions for precise trajectory forecasting. These efforts have produced a diverse range of approaches, raising questions about the differences between these methods and whether trajectory prediction challenges have been fully addressed. This paper reviews a substantial portion of recent trajectory prediction methods and devises a taxonomy to classify existing solutions. A general overview of the prediction pipeline is also provided, covering input and output modalities, modeling features, and prediction paradigms discussed in the literature. In addition, the paper discusses active research areas within trajectory prediction, addresses the posed research questions, and highlights the remaining research gaps and challenges.
• Abstract（参考訳）: 自動運転車が大規模に近代的な交通システムに統合される可能性が高まっているため、ダイナミックな環境における安全なナビゲーションがスムーズな統合に不可欠である。 安全と衝突防止のためには、自動運転車は周囲の交通機関の軌道を正確に予測しなければなりません。 過去10年間で、学術と産業の両方から重要な取り組みが、正確な軌道予測のためのソリューションの設計に費やされてきた。 これらの取り組みは様々なアプローチを生み出しており、これらの方法の違いや軌道予測の課題が完全に解決されているかどうかについての疑問が提起されている。 本稿では,近年の軌跡予測手法のかなりの部分を概観し,既存の解を分類するための分類法を考案する。 また、本論文で論じる入力と出力のモダリティ、モデリング機能、予測パラダイムを網羅した予測パイプラインの概要も提供する。 さらに,軌道予測における活発な研究領域について論じ,提案する研究課題に対処し,残りの研究ギャップと課題を強調した。

関連論文リスト

• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  交通予知は自動運転車に不可欠な役割を担っている。 本稿では,軌道予測作業に適した認証手法を提案する。 非有界出力や変異モダリティを含む、軌道予測に関連する固有の課題に対処する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Towards Safe and Reliable Autonomous Driving: Dynamic Occupancy Set Prediction [12.336412741837407]
  本研究は,高度軌跡予測ネットワークとDOS予測モジュールを効果的に組み合わせた,DOS予測のための新しい手法を提案する。 本研究の革新的な貢献は、複雑なシナリオをナビゲートするための新しいDOS予測モデルの開発である。
  論文  参考訳（メタデータ） (2024-02-29T17:36:39Z)
• 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)
• Machine Learning for Autonomous Vehicle's Trajectory Prediction: A comprehensive survey, Challenges, and Future Research Directions [3.655021726150368]
  AVの文脈における軌道予測に関する200以上の研究について検討した。 本総説では,いくつかの深層学習手法を総合的に評価する。 既存の文献の課題を特定し,潜在的研究の方向性を概説することにより,AV軌道予測領域における知識の進歩に大きく貢献する。
  論文  参考訳（メタデータ） (2023-07-12T10:20:19Z)
• Trajectory-Prediction with Vision: A Survey [0.0]
  軌道予測は極めて困難な課題であり、最近自動運転車研究コミュニティで注目を集めている。 優れた予測モデルでは、道路上の衝突を防止でき、従って自動運転車の最終的な目標である衝突速度は、数百万マイル毎の衝突である。 我々は,関連アルゴリズムを異なるクラスに分類し,軌道予測研究分野のトレンドを追究する。
  論文  参考訳（メタデータ） (2023-03-15T01:06:54Z)
• Multimodal Trajectory Prediction: A Survey [13.519480642785561]
  軌道予測は、自律システムにおける安全かつインテリジェントな行動を支援するための重要なタスクである。 MTP(Multimodal trajectory Prediction)と呼ばれる新しいタスクは、各エージェントに対する将来の予測の多様で許容可能かつ説明可能な分布を生成することを目的としている。
  論文  参考訳（メタデータ） (2023-02-21T06:11:08Z)
• Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
  行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。 この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-11-01T11:07:37Z)
• What-If Motion Prediction for Autonomous Driving [58.338520347197765]
  生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。 本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。 提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
  論文  参考訳（メタデータ） (2020-08-24T17:49:30Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)
• TPNet: Trajectory Proposal Network for Motion Prediction [81.28716372763128]
  Trajectory Proposal Network (TPNet) は、新しい2段階の動作予測フレームワークである。 TPNetはまず、仮説の提案として将来の軌道の候補セットを生成し、次に提案の分類と修正によって最終的な予測を行う。 4つの大規模軌道予測データセットの実験は、TPNetが定量的かつ定性的に、最先端の結果を達成することを示した。
  論文  参考訳（メタデータ） (2020-04-26T00:01:49Z)

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。