論文の概要: Foundation Models for Autonomous Driving System: An Initial Roadmap

• arxiv url: http://arxiv.org/abs/2504.00911v1
• Date: Tue, 01 Apr 2025 15:45:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:23:56.069106
• Title: Foundation Models for Autonomous Driving System: An Initial Roadmap
• Title（参考訳）: 自動運転システムのための基礎モデル:初期ロードマップ
• Authors: Xiongfei Wu, Mingfei Cheng, Qiang Hu, Jianlang Chen, Yuheng Huang, Manabu Okada, Michio Hayashi, Tomoyuki Tsuchiya, Xiaofei Xie, Lei Ma,
• Abstract要約: ファンデーションモデル(FM)の最近の進歩は、自律運転システム(ADS)を著しく強化した。 ADSは、信頼性と安全性を確保するために厳格なソフトウェアエンジニアリングプラクティスを必要とする、非常に複雑なサイバー物理システムである。 我々は、FMのインフラ、その自律運転システムへの応用、そして実際の応用の3つの重要な側面を網羅して、FMを自律運転に統合するための構造化されたロードマップを提示する。
• 参考スコア（独自算出の注目度）: 17.198146951189635
• License:
• Abstract: Recent advancements in Foundation Models (FMs), such as Large Language Models (LLMs), have significantly enhanced Autonomous Driving Systems (ADSs) by improving perception, reasoning, and decision-making in dynamic and uncertain environments. However, ADSs are highly complex cyber-physical systems that demand rigorous software engineering practices to ensure reliability and safety. Integrating FMs into ADSs introduces new challenges in system design and evaluation, requiring a systematic review to establish a clear research roadmap. To unlock these challenges, we present a structured roadmap for integrating FMs into autonomous driving, covering three key aspects: the infrastructure of FMs, their application in autonomous driving systems, and their current applications in practice. For each aspect, we review the current research progress, identify existing challenges, and highlight research gaps that need to be addressed by the community.
• Abstract（参考訳）: 大規模言語モデル(LLMs)のような基礎モデル(FMs)の最近の進歩は、動的で不確実な環境での認識、推論、意思決定を改善することにより、自律運転システム(ADSs)を著しく強化している。 しかし、ADSは信頼性と安全性を確保するために厳格なソフトウェアエンジニアリングプラクティスを必要とする、非常に複雑なサイバー物理システムである。 FMをADSに統合することは、システム設計と評価における新たな課題を導入し、明確な研究ロードマップを確立するために体系的なレビューを必要とする。 これらの課題を解消するために、FMのインフラ、その自律運転システムへの応用、そして実際の応用の3つの重要な側面を網羅して、FMを自律運転に統合するための構造化されたロードマップを提示します。 それぞれの側面について、現在の研究の進捗をレビューし、既存の課題を特定し、コミュニティが取り組む必要がある研究ギャップを強調します。

関連論文リスト

• The Role of World Models in Shaping Autonomous Driving: A Comprehensive Survey [50.62538723793247]
  ドライビング・ワールド・モデル(DWM)は、ドライビング・プロセス中のシーンの進化を予測することに焦点を当てている。 DWM法は、自律運転システムが動的運転環境をよりよく知覚し、理解し、相互作用することを可能にする。
  論文  参考訳（メタデータ） (2025-02-14T18:43:15Z)
• 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)
• Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
  本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。 モチベーションと背景の概要から始まり、続いて基本概念が導入された。 我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
  論文  参考訳（メタデータ） (2024-10-22T01:08:21Z)
• A Roadmap for Simulation-Based Testing of Autonomous Cyber-Physical Systems: Challenges and Future Direction [5.742965094549775]
  本稿では,自律システムのシミュレーションに基づくテストの戦略的ロードマップを開拓する。 本稿では,テスト自動化と品質保証に着目し,ACPSの課題と障害について論じる。
  論文  参考訳（メタデータ） (2024-05-02T07:42:33Z)
• 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)
• Forging Vision Foundation Models for Autonomous Driving: Challenges, Methodologies, and Opportunities [59.02391344178202]
  ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。 総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。 本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
  論文  参考訳（メタデータ） (2024-01-16T01:57:24Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• Benchmarking Robustness of AI-Enabled Multi-sensor Fusion Systems: Challenges and Opportunities [23.460181958075566]
  マルチセンサー・フュージョン(MSF)ベースの認識システムは、自動運転車、ロボットアーム、無人航空機など、多くの産業用アプリケーションやドメインをサポートする基盤となっている。 過去数年間、データ駆動人工知能(AI)の急速な進歩は、特にインテリジェントシステムやその知覚システムにおいて、パフォーマンスをさらに向上させるために、深層学習技術によってMSFシステムを強化する、急速なトレンドをもたらした。 AI対応のMSF認識システムや技術はいくつか提案されているが、現時点では、MSF認識にフォーカスする限られたベンチマークが公開されている。
  論文  参考訳（メタデータ） (2023-06-06T07:17:56Z)
• 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)

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。