Fugu-MT 論文翻訳(概要): Maps for Autonomous Driving: Full-process Survey and Frontiers

論文の概要: Maps for Autonomous Driving: Full-process Survey and Frontiers

arxiv url: http://arxiv.org/abs/2509.12632v1
Date: Tue, 16 Sep 2025 03:50:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-17 17:50:52.868496
Title: Maps for Autonomous Driving: Full-process Survey and Frontiers
Title（参考訳）: 自動運転マップ:全プロセス調査とフロンティア
Authors: Pengxin Chen, Zhipeng Luo, Xiaoqi Jiang, Zhangcai Yin, Jonathan Li,
Abstract要約: この記事は、ハイディフィニション(HD)マップ、ライトウェイト(ライト)マップ、インプリシットマップの3つのステージにマップの進化を分類している。地図表現における最先端の研究の進歩について論じ、これらのイノベーションがエンドツーエンドの自動運転フレームワークにどのように統合できるかを考察する。
参考スコア（独自算出の注目度）: 11.663952523272448
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Maps have always been an essential component of autonomous driving. With the advancement of autonomous driving technology, both the representation and production process of maps have evolved substantially. The article categorizes the evolution of maps into three stages: High-Definition (HD) maps, Lightweight (Lite) maps, and Implicit maps. For each stage, we provide a comprehensive review of the map production workflow, with highlighting technical challenges involved and summarizing relevant solutions proposed by the academic community. Furthermore, we discuss cutting-edge research advances in map representations and explore how these innovations can be integrated into end-to-end autonomous driving frameworks.
Abstract（参考訳）: 地図は常に自動運転の重要な要素だ。自律運転技術の進歩により、地図の表現と生産プロセスは大きく進化した。この記事は、ハイディフィニション(HD)マップ、ライトウェイト(ライト)マップ、インプリシットマップの3つのステージにマップの進化を分類している。それぞれの段階で、我々は地図制作ワークフローの包括的なレビューを行い、関連する技術的課題を強調し、学術コミュニティが提案する関連するソリューションを要約する。さらに、地図表現における最先端の研究の進歩について論じ、これらのイノベーションがエンドツーエンドの自動運転フレームワークにどのように統合できるかを考察する。

関連論文リスト

Inferring Driving Maps by Deep Learning-based Trail Map Extraction [5.381140012327021]
ハイデフィニション(HD)マップは、運転シーンに関する広範囲かつ正確な環境情報を提供する。最近の傾向は、オフラインマッピングからオンラインマッピングへ移行し、使用済みマップの可用性と現実性を確保している。ドライバが非公式に使用する経路をマップ作成プロセスに統合する,新たなオフラインマッピング手法を提案する。
論文参考訳（メタデータ） (2025-05-15T13:09:19Z)
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)
MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
論文参考訳（メタデータ） (2024-12-24T20:16:13Z)
TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
論文参考訳（メタデータ） (2024-11-22T06:13:42Z)
A roadmap for generative mapping: unlocking the power of generative AI for map-making [1.128529637069462]
本稿では,地図作成における生成AIのキーとなる応用について述べる。それは、必要な特定の技術と、現在のメソッドを使用する際の課題を特定する。地図作成をより使いやすくするための生成マッピングシステム(GMS)を開発するためのロードマップを提供する。
論文参考訳（メタデータ） (2024-10-21T08:29:43Z)
Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文参考訳（メタデータ） (2024-10-10T10:10:03Z)
Local Map Construction with SDMap: A Comprehensive Survey [12.813348027295604]
本稿では,SDMap を用いたローカルマップ構築手法について概説する。また、SDMapベースのローカルマップ構築において、マルチモーダルデータ表現と融合法を解析する。
論文参考訳（メタデータ） (2024-09-04T03:41:42Z)
High-Definition Map Generation Technologies For Autonomous Driving: A Review [0.0]
ハイデフィニション(HD)マップは近年多くの注目を集めている。本稿では,2次元地図と3次元地図の両方を利用した最近のHDマップ生成技術についてレビューする。
論文参考訳（メタデータ） (2022-06-11T02:32:11Z)
Trajectory Prediction for Autonomous Driving with Topometric Map [10.831436392239585]
最先端の自動運転システムは、ローカライゼーションとナビゲーションのための高定義(HD)マップに依存している。マップレス自動運転のためのエンドツーエンドトランスネットワークベースのアプローチを提案する。
論文参考訳（メタデータ） (2021-05-09T08:16:16Z)
MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
論文参考訳（メタデータ） (2021-01-18T00:09:30Z)
DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
論文参考訳（メタデータ） (2020-12-22T21:58:57Z)

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。