論文の概要: ECCV 2024 W-CODA: 1st Workshop on Multimodal Perception and Comprehension of Corner Cases in Autonomous Driving
- arxiv url: http://arxiv.org/abs/2507.01735v1
- Date: Wed, 02 Jul 2025 14:10:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:23:00.279323
- Title: ECCV 2024 W-CODA: 1st Workshop on Multimodal Perception and Comprehension of Corner Cases in Autonomous Driving
- Title（参考訳）: ECCV 2024 W-CODA:1st Workshop on Multimodal Perception and Comprehension of Corner Cases in autonomous Driving
- Authors: Kai Chen, Ruiyuan Gao, Lanqing Hong, Hang Xu, Xu Jia, Holger Caesar, Dengxin Dai, Bingbing Liu, Dzmitry Tsishkou, Songcen Xu, Chunjing Xu, Qiang Xu, Huchuan Lu, Dit-Yan Yeung,
- Abstract要約: 第1回W-CODAワークショップをECCV 2024と共同で開催する。
W-CODAは、最先端のマルチモーダル認識と理解技術によって強化された、自動運転コーナーの次世代ソリューションを探求することを目的としている。
- 参考スコア（独自算出の注目度）: 142.17164272038445
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present details of the 1st W-CODA workshop, held in conjunction with the ECCV 2024. W-CODA aims to explore next-generation solutions for autonomous driving corner cases, empowered by state-of-the-art multimodal perception and comprehension techniques. 5 Speakers from both academia and industry are invited to share their latest progress and opinions. We collect research papers and hold a dual-track challenge, including both corner case scene understanding and generation. As the pioneering effort, we will continuously bridge the gap between frontier autonomous driving techniques and fully intelligent, reliable self-driving agents robust towards corner cases.
- Abstract（参考訳）: 本稿では,ECCV 2024とともに開催された第1回W-CODAワークショップについて述べる。
W-CODAは、最先端のマルチモーダル認識と理解技術によって強化された、自動運転コーナーの次世代ソリューションを探求することを目的としている。
学界と産業界の両方から5人の講演者が最新の進捗と意見を共有するために招待される。
我々は研究論文を収集し、コーナーケースシーンの理解と生成の両方を含む二トラックチャレンジを行う。
先駆的な取り組みとして、フロンティアの自動運転技術と、コーナーケースに向けて堅牢な完全インテリジェントで信頼性の高い自動運転エージェントのギャップを、継続的に埋めていく。
関連論文リスト
- Out-of-Distribution Segmentation in Autonomous Driving: Problems and State of the Art [1.3654846342364308]
我々は,OoD(Out-of-Distribution)セグメンテーションにおける技術の現状を概観し,実世界のアプリケーションとしての自動運転における道路障害物検出に着目した。
我々は、広く使われている2つのベンチマーク、SegmentMeIfYouCan Obstacle TrackとLostAndFound-NoKnownで既存のメソッドのパフォーマンスを分析した。
論文 参考訳（メタデータ） (2025-03-04T22:52:38Z) - 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) - Driving with InternVL: Oustanding Champion in the Track on Driving with Language of the Autonomous Grand Challenge at CVPR 2024 [23.193095382776725]
本報告では,CVPR 2024autonomous Grand Challenge(CVPR 2024 Autonomous Grand Challenge)の走行言語トラックに採用した手法について述べる。
我々は、強力なオープンソースマルチモーダルモデルであるInternVL-1.5を使用し、競合データセットであるDriveLM-nuScenesをフルに微調整した。
私たちのシングルモデルは最終リードボードで0.6002を獲得しました。
論文 参考訳（メタデータ） (2024-12-10T07:13:39Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - Learn-to-Race Challenge 2022: Benchmarking Safe Learning and
Cross-domain Generalisation in Autonomous Racing [12.50944966521162]
新たにリリースされたLearning-to-Race(L2R)シミュレーションフレームワークに基づいて,自動レースバーチャルチャレンジの結果を示す。
本稿では,改良されたメトリクスとベースラインアプローチを備えた新しいL2R Task 2.0ベンチマークについて述べる。
また、L2R Autonomous Racing Virtual Challengeの初回インスタンスの配置、評価、ランキングについても概説する。
論文 参考訳（メタデータ） (2022-05-05T22:31:19Z) - 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) - 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) - 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。