論文の概要: Self-driving cars: Are we there yet?

• arxiv url: http://arxiv.org/abs/2509.22754v1
• Date: Fri, 26 Sep 2025 09:13:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:18.854182
• Title: Self-driving cars: Are we there yet?
• Title（参考訳）: 自動運転車はまだあるのか?
• Authors: Merve Atasever, Zhuochen Liu, Qingpei Li, Akshay Hitendra Shah, Hans Walker, Jyotirmoy V. Deshmukh, Rahul Jain,
• Abstract要約: CARLAのリーダーボードv2.0とnuPlanとOpenデータセットに特徴付けられる動作計画手法の比較分析を行った。 我々は、一般的な傾向、共通の課題を特定し、運動計画研究を進めるための潜在的方向性を提案する。
• 参考スコア（独自算出の注目度）: 2.1547849427569408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous driving remains a highly active research domain that seeks to enable vehicles to perceive dynamic environments, predict the future trajectories of traffic agents such as vehicles, pedestrians, and cyclists and plan safe and efficient future motions. To advance the field, several competitive platforms and benchmarks have been established to provide standardized datasets and evaluation protocols. Among these, leaderboards by the CARLA organization and nuPlan and the Waymo Open Dataset have become leading benchmarks for assessing motion planning algorithms. Each offers a unique dataset and challenging planning problems spanning a wide range of driving scenarios and conditions. In this study, we present a comprehensive comparative analysis of the motion planning methods featured on these three leaderboards. To ensure a fair and unified evaluation, we adopt CARLA leaderboard v2.0 as our common evaluation platform and modify the selected models for compatibility. By highlighting the strengths and weaknesses of current approaches, we identify prevailing trends, common challenges, and suggest potential directions for advancing motion planning research.
• Abstract（参考訳）: 自律運転は、車両が動的環境を知覚し、車両、歩行者、サイクリストなどの交通機関の将来の軌道を予測し、安全で効率的な将来の動きを計画するための非常に活発な研究領域である。 この分野を前進させるために、標準化されたデータセットと評価プロトコルを提供するために、いくつかの競争プラットフォームとベンチマークが確立されている。 CARLAの組織、nuPlan、Waymo Open Datasetのリーダーボードは、モーションプランニングアルゴリズムを評価するための主要なベンチマークとなっている。 それぞれがユニークなデータセットを提供し、幅広い運転シナリオと状況にまたがる計画上の問題に挑戦する。 本研究では,これらの3つのリーダーボードに特徴付けられる動作計画手法の総合的比較分析を行う。 公平かつ統一された評価を保証するため、我々はCARLAのリーダーボードv2.0を私たちの共通評価プラットフォームとして採用し、互換性のために選択したモデルを修正した。 現状のアプローチの長所と短所を強調することで、普及傾向、共通課題を特定し、動き計画研究を進めるための潜在的方向性を提案する。

関連論文リスト

• Getting SMARTER for Motion Planning in Autonomous Driving Systems [6.389340982597326]
  本稿では,第2世代の動作計画シミュレータSMARTS 2.0を紹介する。 新機能には、現実的なマップの統合、車両間通信、交通と歩行者のシミュレーション、さまざまなセンサーモデルが含まれる。 本稿では,様々な難易度の高いシナリオにおいて,計画アルゴリズムを評価するための新しいベンチマークスイートを提案する。
  論文  参考訳（メタデータ） (2025-02-20T03:51:49Z)
• 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)
• Unifying Lane-Level Traffic Prediction from a Graph Structural Perspective: Benchmark and Baseline [21.37853568400125]
  本稿では,レーンレベルの交通予測のための最初の体系的分類フレームワークについて述べる。 我々は,2つの実世界の道路網から3つの代表的データセットを構築し,レギュラーレーン構成と不規則レーン構成の両方を網羅した。 この統合されたフレームワークは、データセットとモデリングパラダイムをまたいだ一貫した評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-22T04:21:40Z)
• Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? [84.17711168595311]
  エンドツーエンドの自動運転は、フルスタックの観点から自律性を目標とする、有望な研究の方向性として浮上している。 比較的単純な駆動シナリオを特徴とするnuScenesデータセットは、エンド・ツー・エンド・モデルにおける知覚情報の未使用化につながる。 予測軌跡が道路に付着するかどうかを評価するための新しい指標を提案する。
  論文  参考訳（メタデータ） (2023-12-05T11:32:31Z)
• Driving into the Future: Multiview Visual Forecasting and Planning with World Model for Autonomous Driving [56.381918362410175]
  Drive-WMは、既存のエンド・ツー・エンドの計画モデルと互換性のある世界初のドライビングワールドモデルである。 ドライビングシーンで高忠実度マルチビュー映像を生成する。
  論文  参考訳（メタデータ） (2023-11-29T18:59:47Z)
• The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
  我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。 異なる統合原則の意味、強み、限界について論じる。
  論文  参考訳（メタデータ） (2023-08-10T17:53:03Z)
• End-to-end Autonomous Driving: Challenges and Frontiers [45.391430626264764]
  エンドツーエンドの自動運転におけるモチベーション、ロードマップ、方法論、課題、今後のトレンドについて、270以上の論文を包括的に分析する。 マルチモダリティ、解釈可能性、因果的混乱、堅牢性、世界モデルなど、いくつかの重要な課題を掘り下げます。 基礎モデルと視覚前訓練の現在の進歩と、これらの技術をエンドツーエンドの駆動フレームワークに組み込む方法について論じる。
  論文  参考訳（メタデータ） (2023-06-29T14:17:24Z)

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。