論文の概要: Fast and Accurate Collision Probability Estimation for Autonomous Vehicles using Adaptive Sigma-Point Sampling

• arxiv url: http://arxiv.org/abs/2507.06149v1
• Date: Tue, 08 Jul 2025 16:31:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:38.345261
• Title: Fast and Accurate Collision Probability Estimation for Autonomous Vehicles using Adaptive Sigma-Point Sampling
• Title（参考訳）: 適応型シグマ点サンプリングを用いた自動運転車の高速かつ高精度衝突確率推定
• Authors: Charles Champagne Cossette, Taylor Scott Clawson, Andrew Feit,
• Abstract要約: 本稿では, 衝突確率を3.5%の中央値誤差で推定できる高速で単純なアルゴリズムを生成する適応型シグマ点サンプリング手法を提案する。 重要なことに、このアルゴリズムは衝突確率の時間的依存を明示的に説明しており、これは以前の研究では無視されることが多い。 この方法は、400個の6秒の自動運転車ログからなる様々な実世界のシナリオでテストされる。
• 参考スコア（独自算出の注目度）: 0.9217021281095907
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A novel algorithm is presented for the estimation of collision probabilities between dynamic objects with uncertain trajectories, where the trajectories are given as a sequence of poses with Gaussian distributions. We propose an adaptive sigma-point sampling scheme, which ultimately produces a fast, simple algorithm capable of estimating the collision probability with a median error of 3.5%, and a median runtime of 0.21ms, when measured on an Intel Xeon Gold 6226R Processor. Importantly, the algorithm explicitly accounts for the collision probability's temporal dependence, which is often neglected in prior work and otherwise leads to an overestimation of the collision probability. Finally, the method is tested on a diverse set of relevant real-world scenarios, consisting of 400 6-second snippets of autonomous vehicle logs, where the accuracy and latency is rigorously evaluated.
• Abstract（参考訳）: 軌跡の不確かさのある動的物体間の衝突確率を推定するための新しいアルゴリズムが提案され, 軌跡はガウス分布を持つポーズの列として与えられる。 本稿では,Intel Xeon Gold 6226Rプロセッサ上での衝突確率を3.5%,中央値0.21msで推定できる高速で単純なアルゴリズムを最終的に生成する適応型シグマ点サンプリング方式を提案する。 重要なことに、このアルゴリズムは衝突確率の時間的依存を明示的に説明しており、これは以前の研究では無視されることが多く、そうでなければ衝突確率の過大評価につながる。 最後に、この手法は、400個の自動運転車ログの6秒スニペットからなる様々な実世界のシナリオでテストされ、精度とレイテンシを厳格に評価する。

関連論文リスト

• Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
  ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。 提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。 合成データと実データの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-10T02:37:36Z)
• A 5-Point Minimal Solver for Event Camera Relative Motion Estimation [47.45081895021988]
  本稿では,直線パラメータと線形カメラ速度予測を推定し,複数の直線を考慮した場合の1つの平均線形速度に融合できる新しい最小5点解法を提案する。 本手法は,既存の閉形式解法が23%から70%しか達成できない線形速度の推定において,連続的に100%の成功率を達成する。
  論文  参考訳（メタデータ） (2023-09-29T08:30:18Z)
• Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
  実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。 本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-06-13T01:18:16Z)
• MonoPIC -- A Monocular Low-Latency Pedestrian Intention Classification Framework for IoT Edges Using ID3 Modelled Decision Trees [0.0]
  本稿では,2次元のフレーム内の任意の歩行者の意図を論理状態に分類するアルゴリズムを提案する。 これにより、比較的レイテンシの高いディープラーニングアルゴリズムを使用する必要がなくなる。 平均テスト精度は83.56%で信頼性は0.0042で、平均レイテンシは48ミリ秒であった。
  論文  参考訳（メタデータ） (2023-04-01T02:42:24Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
  我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。 新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。 反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
  論文  参考訳（メタデータ） (2022-12-06T12:42:11Z)
• Exact and Bounded Collision Probability for Motion Planning under Gaussian Uncertainty [1.3535770763481902]
  本稿では,ガウス分布運動下での衝突確率の計算手法を提案する。 衝突条件は楕円体間の距離として定式化される。 オンラインプランニングにおいて、より高速に計算できる、厳密な上限を提供します。
  論文  参考訳（メタデータ） (2021-10-12T20:45:18Z)
• Active Learning of Neural Collision Handler for Complex 3D Mesh Deformations [68.0524382279567]
  3次元変形メッシュにおける衝突の検出と処理を行う頑健な学習アルゴリズムを提案する。 提案手法は教師あり学習法より優れ, 精度は93.8-98.1%である。
  論文  参考訳（メタデータ） (2021-10-08T04:08:31Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)
• DiffCo: Auto-Differentiable Proxy Collision Detection with Multi-class Labels for Safety-Aware Trajectory Optimization [5.35056843248536]
  DiffCoは、衝突検出のための最初の完全自動微分可能非パラメトリックモデルである。 バックプロパゲーションによる軌道最適化のための頑健な勾配を提供し、幾何学的手法よりも計算が10-100倍高速であることが多い。
  論文  参考訳（メタデータ） (2021-02-15T09:31:26Z)

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。