論文の概要: Design Insights and Comparative Evaluation of a Hardware-Based Cooperative Perception Architecture for Lane Change Prediction

• arxiv url: http://arxiv.org/abs/2509.20218v1
• Date: Wed, 24 Sep 2025 15:15:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.873856
• Title: Design Insights and Comparative Evaluation of a Hardware-Based Cooperative Perception Architecture for Lane Change Prediction
• Title（参考訳）: レーン変更予測のためのハードウェアベース協調知覚アーキテクチャの設計指針と比較評価
• Authors: Mohamed Manzour, Catherine M. Elias, Omar M. Shehata, Rubén Izquierdo, Miguel Ángel Sotelo,
• Abstract要約: 本研究では,混在交通における実際のハードウェア展開による協調車線変化予測について検討する。 ボトルネック、信頼性の問題、システムの振る舞いを形作る運用上の制約など、私たちが直面した現実的な課題を強調します。
• 参考スコア（独自算出の注目度）: 9.896518796135565
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Research on lane change prediction has gained attention in the last few years. Most existing works in this area have been conducted in simulation environments or with pre-recorded datasets, these works often rely on simplified assumptions about sensing, communication, and traffic behavior that do not always hold in practice. Real-world deployments of lane-change prediction systems are relatively rare, and when they are reported, the practical challenges, limitations, and lessons learned are often under-documented. This study explores cooperative lane-change prediction through a real hardware deployment in mixed traffic and shares the insights that emerged during implementation and testing. We highlight the practical challenges we faced, including bottlenecks, reliability issues, and operational constraints that shaped the behavior of the system. By documenting these experiences, the study provides guidance for others working on similar pipelines.
• Abstract（参考訳）: レーン変更予測に関する研究はここ数年で注目されている。 この領域の既存の研究は、シミュレーション環境や事前記録されたデータセットで行われてきたが、これらの研究は、実際には必ずしも保持されない、センシング、通信、交通行動に関する単純化された仮定に依存していることが多い。 実世界の車線変更予測システムの展開は比較的稀であり、報告されると、実践的な課題、限界、教訓は文書化されていないことが多い。 本研究では,混在トラフィックにおける実際のハードウェア展開による協調車線変化予測について検討し,実装とテストの間に生じた知見を共有する。 ボトルネック、信頼性の問題、システムの振る舞いを形作る運用上の制約など、私たちが直面した現実的な課題を強調します。 これらの経験を文書化することにより、この研究は、同様のパイプラインに取り組んでいる他の人たちにガイダンスを提供する。

関連論文リスト

• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• Continual Learning for Predictive Maintenance: Overview and Challenges [6.620789302906817]
  本稿では,予測保守,非定常環境,継続学習について紹介する。 次に,予測的メンテナンスと継続的学習の両面での現在の課題について議論し,両領域の交差点における今後の方向性を提案する。
  論文  参考訳（メタデータ） (2023-01-29T15:32:53Z)
• Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
  行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。 この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-11-01T11:07:37Z)
• Pedestrian Action Anticipation using Contextual Feature Fusion in Stacked RNNs [19.13270454742958]
  交差点における歩行者行動予測問題の解法を提案する。 提案手法では,シーン動的・視覚的特徴の両面から収集した情報を徐々にネットワークに融合する新しいRNNアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2020-05-13T20:59:37Z)
• From Simulation to Real World Maneuver Execution using Deep Reinforcement Learning [69.23334811890919]
  深層強化学習(Deep Reinforcement Learning)は、さまざまな分野における多くの制御タスクを解決できることが証明されている。 これは主に、シミュレーションデータと実世界のデータ間のドメイン適応の欠如と、トレインデータセットとテストデータセットの区別の欠如による。 本稿では,エージェントが同時に訓練される複数の環境に基づくシステムを提案する。
  論文  参考訳（メタデータ） (2020-05-13T14:22:20Z)

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。