論文の概要: Automated Vehicles Should be Connected with Natural Language

• arxiv url: http://arxiv.org/abs/2507.01059v1
• Date: Sun, 29 Jun 2025 16:41:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.810402
• Title: Automated Vehicles Should be Connected with Natural Language
• Title（参考訳）: 自動運転車は自然言語に繋がるべき
• Authors: Xiangbo Gao, Keshu Wu, Hao Zhang, Kexin Tian, Yang Zhou, Zhengzhong Tu,
• Abstract要約: マルチエージェント共同運転は、集合認識と意思決定による交通安全と効率の向上を約束する。 既存の通信媒体は、帯域幅の効率、情報の完全性、エージェントの相互運用性に制限がある。 これらの課題に対処するには、純粋に知覚指向のデータ交換から、自然言語を用いた明示的な意図と推論コミュニケーションへの移行が必要である、と我々は主張する。
• 参考スコア（独自算出の注目度）: 10.579888130257185
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent collaborative driving promises improvements in traffic safety and efficiency through collective perception and decision making. However, existing communication media -- including raw sensor data, neural network features, and perception results -- suffer limitations in bandwidth efficiency, information completeness, and agent interoperability. Moreover, traditional approaches have largely ignored decision-level fusion, neglecting critical dimensions of collaborative driving. In this paper we argue that addressing these challenges requires a transition from purely perception-oriented data exchanges to explicit intent and reasoning communication using natural language. Natural language balances semantic density and communication bandwidth, adapts flexibly to real-time conditions, and bridges heterogeneous agent platforms. By enabling the direct communication of intentions, rationales, and decisions, it transforms collaborative driving from reactive perception-data sharing into proactive coordination, advancing safety, efficiency, and transparency in intelligent transportation systems.
• Abstract（参考訳）: マルチエージェント共同運転は、集合認識と意思決定による交通安全と効率の向上を約束する。 しかし、生のセンサーデータ、ニューラルネットワークの特徴、知覚結果を含む既存の通信メディアは、帯域幅効率、情報の完全性、エージェントの相互運用性に制限がある。 さらに、従来のアプローチは意思決定レベルの融合をほとんど無視し、協調運転の重要な側面を無視してきた。 本稿では、これらの課題に対処するためには、純粋に知覚指向のデータ交換から、自然言語を用いた明示的な意図と推論コミュニケーションへの移行が必要であると論じる。 自然言語は意味密度と通信帯域幅のバランスをとり、リアルタイムな条件に柔軟に対応し、異種エージェントプラットフォームを橋渡しする。 意図、合理性、決定の直接的なコミュニケーションを可能にすることにより、インテリジェントな輸送システムにおいて、協調運転をリアクティブな知覚データ共有から積極的な協調、安全性、効率、透明性へと転換する。

関連論文リスト

• Task-Oriented Semantic Communication in Large Multimodal Models-based Vehicle Networks [55.32199894495722]
  LMMに基づく車両用AIアシスタントLarge Language and Vision Assistant(LLaVA)について検討する。 計算要求を減らし、応答時間を短縮するため、LLaVAの画像スライシングを最適化し、ユーザにとって最も関心のある領域に選択的にフォーカスする。 交通シナリオに対する視覚質問応答(VQA)データセットを構築し,有効性を評価する。
  論文  参考訳（メタデータ） (2025-05-05T07:18:47Z)
• SPformer: A Transformer Based DRL Decision Making Method for Connected Automated Vehicles [9.840325772591024]
  本稿ではトランスフォーマーと強化学習アルゴリズムに基づくCAV意思決定アーキテクチャを提案する。 学習可能なポリシートークンは、多車連携ポリシーの学習媒体として使用される。 我々のモデルは交通シナリオにおける車両の全ての状態情報をうまく活用することができる。
  論文  参考訳（メタデータ） (2024-09-23T15:16:35Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• An Agile Adaptation Method for Multi-mode Vehicle Communication Networks [9.632025797373158]
  意思決定プロセスと強化学習を適用して、アジャイル適応機構を確立する。 Q-learningは、アジャイル適応強化学習モデルをトレーニングし、トレーニングされたモデルを出力するために使用される。
  論文  参考訳（メタデータ） (2024-07-18T13:04:34Z)
• Collaborative Perception for Connected and Autonomous Driving: Challenges, Possible Solutions and Opportunities [10.020039700138692]
  コネクテッド・自動運転車(CAV)との協調的な認識は、これらの制限を克服するための有望な解決策である。 本稿では、まず、データ共有の非同期性、データボリューム、エラーの対応など、協調的な知覚の課題を識別する。 本稿では,チャネル認識型協調認識フレームワークである通信効率と遅延問題に対処する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-03T05:33:14Z)
• Selective Communication for Cooperative Perception in End-to-End Autonomous Driving [8.680676599607123]
  協調認識のための新しい選択的コミュニケーションアルゴリズムを提案する。 提案アルゴリズムは, 従来研究されてきた安全クリティカル運転シナリオシミュレーションにおいて, ランダム選択法よりも高い成功率を示す。
  論文  参考訳（メタデータ） (2023-05-26T18:13:17Z)
• Interruption-Aware Cooperative Perception for V2X Communication-Aided Autonomous Driving [49.42873226593071]
  本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。 我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。 3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
  論文  参考訳（メタデータ） (2023-04-24T04:59:13Z)
• Cognitive Semantic Communication Systems Driven by Knowledge Graph: Principle, Implementation, and Performance Evaluation [74.38561925376996]
  単一ユーザと複数ユーザのコミュニケーションシナリオに対して,認知意味コミュニケーションフレームワークが2つ提案されている。 知識グラフから推論規則をマイニングすることにより,効果的な意味補正アルゴリズムを提案する。 マルチユーザ認知型セマンティックコミュニケーションシステムにおいて,異なるユーザのメッセージを識別するために,メッセージ復元アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T12:01:43Z)
• Over-communicate no more: Situated RL agents learn concise communication protocols [78.28898217947467]
  互いに効果的に効率的にコミュニケーションできる人工エージェントをいかに設計するかは、不明である。 強化学習(RL)を用いたコミュニケーションの出現に関する研究 エージェントがコミュニケーションを行うための環境行為を強制しなければならない多段階タスクにおける位置的コミュニケーションについて検討する。 テストされたすべてのプレッシャーは過剰なコミュニケーションを阻害する可能性があるが、位置通信は最も効果的であり、努力のコストとは異なり、発生に悪影響を及ぼさない。
  論文  参考訳（メタデータ） (2022-11-02T21:08:14Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)

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。