論文の概要: Approaching Current Challenges in Developing a Software Stack for Fully Autonomous Driving

• arxiv url: http://arxiv.org/abs/2504.12813v1
• Date: Thu, 17 Apr 2025 10:17:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:37:31.546714
• Title: Approaching Current Challenges in Developing a Software Stack for Fully Autonomous Driving
• Title（参考訳）: 完全自動運転のためのソフトウェアスタック開発における現在の課題へのアプローチ
• Authors: Simon Sagmeister, Simon Hoffmann, Tobias Betz, Dominic Ebner, Daniel Esser, Markus Lienkamp,
• Abstract要約: 一般的なアプローチは、モジュール化を通じて、駆動タスクを個々のサブタスクに分解することです。 これらの個別に開発されたアルゴリズムが組み合わさってフルスタックの自動運転ソフトウェアを作る必要がある場合、これは特別な課題を引き起こす。 この論文の貢献は、将来のフルスタック自動運転プロジェクトを簡単にする。
• 参考スコア（独自算出の注目度）: 0.7421845364041001
• License:
• Abstract: Autonomous driving is a complex undertaking. A common approach is to break down the driving task into individual subtasks through modularization. These sub-modules are usually developed and published separately. However, if these individually developed algorithms have to be combined again to form a full-stack autonomous driving software, this poses particular challenges. Drawing upon our practical experience in developing the software of TUM Autonomous Motorsport, we have identified and derived these challenges in developing an autonomous driving software stack within a scientific environment. We do not focus on the specific challenges of individual algorithms but on the general difficulties that arise when deploying research algorithms on real-world test vehicles. To overcome these challenges, we introduce strategies that have been effective in our development approach. We additionally provide open-source implementations that enable these concepts on GitHub. As a result, this paper's contributions will simplify future full-stack autonomous driving projects, which are essential for a thorough evaluation of the individual algorithms.
• Abstract（参考訳）: 自律運転は複雑な作業である。 一般的なアプローチは、モジュール化を通じて、駆動タスクを個々のサブタスクに分解することです。 これらのサブモジュールは通常別々に開発され、発行される。 しかし、個別に開発されたアルゴリズムが組み合わさってフルスタックの自動運転ソフトウェアを作る必要がある場合、これは特に問題となる。 TUM Autonomous Motorsportのソフトウェア開発における実践的な経験に基づき、科学環境における自動運転ソフトウェアスタック開発におけるこれらの課題を特定し、導出した。 我々は、個々のアルゴリズムの具体的な課題ではなく、現実世界のテスト車両に研究アルゴリズムを配置する際に生じる一般的な困難に焦点を当てている。 これらの課題を克服するために、私たちは、開発アプローチに有効な戦略を導入します。 さらに、これらの概念を可能にするオープンソース実装をGitHubで提供しています。 その結果,本論文のコントリビューションは,個別のアルゴリズムの徹底的な評価に欠かせない,将来のフルスタック自動運転プロジェクトを簡単にする。

関連論文リスト

• Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
  本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。 私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
  論文  参考訳（メタデータ） (2024-07-09T04:56:11Z)
• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• 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)
• Autonomous Vehicles: Evolution of Artificial Intelligence and Learning Algorithms [0.0]
  この研究は、長年にわたるAI/学習アルゴリズムの使用状況とタイプに関する統計的知見を提示する。 本論文では,トラックおよび自動車の精製アルゴリズムにおけるパラメータの役割について述べる。 結論は、さまざまなレベルの自律性を概説し、AIと学習アルゴリズムの微妙な使用を解明することだ。
  論文  参考訳（メタデータ） (2024-02-27T17:07:18Z)
• Towards Knowledge-driven Autonomous Driving [37.003908817857095]
  本稿では,新しい知識駆動型自動運転技術について考察する。 我々の調査は、現在の自動運転システムの限界を浮き彫りにしている。 認知、一般化、生涯学習の能力を備えた知識駆動型手法は、これらの課題を克服するための有望な方法として浮上する。
  論文  参考訳（メタデータ） (2023-12-07T14:17:17Z)
• 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)
• End-to-end Autonomous Driving: Challenges and Frontiers [45.391430626264764]
  エンドツーエンドの自動運転におけるモチベーション、ロードマップ、方法論、課題、今後のトレンドについて、270以上の論文を包括的に分析する。 マルチモダリティ、解釈可能性、因果的混乱、堅牢性、世界モデルなど、いくつかの重要な課題を掘り下げます。 基礎モデルと視覚前訓練の現在の進歩と、これらの技術をエンドツーエンドの駆動フレームワークに組み込む方法について論じる。
  論文  参考訳（メタデータ） (2023-06-29T14:17:24Z)
• Planning-oriented Autonomous Driving [60.93767791255728]
  我々は、最終目標、すなわち自動運転車の計画を追求するために、好ましいフレームワークを考案し、最適化すべきであると主張している。 フルスタック運転タスクをひとつのネットワークに組み込んだ総合的なフレームワークであるUnified Autonomous Driving (UniAD)を紹介した。
  論文  参考訳（メタデータ） (2022-12-20T10:47:53Z)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)

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。