論文の概要: An Analytical Framework to Enhance Autonomous Vehicle Perception for Smart Cities

• arxiv url: http://arxiv.org/abs/2510.13230v1
• Date: Wed, 15 Oct 2025 07:34:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.544725
• Title: An Analytical Framework to Enhance Autonomous Vehicle Perception for Smart Cities
• Title（参考訳）: スマートシティにおける自動運転車の認識を高めるための分析フレームワーク
• Authors: Jalal Khan, Manzoor Khan, Sherzod Turaev, Sumbal Malik, Hesham El-Sayed, Farman Ullah,
• Abstract要約: 道路上の複数の物体を正確に知覚し、運転者の認識を予測して車の動作を制御するモデルを開発する必要がある。 本稿では,AVの認識システムによる運転環境の理解を可能にするユーティリティベース分析モデルを提案する。
• 参考スコア（独自算出の注目度）: 1.9923531555025622
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The driving environment perception has a vital role for autonomous driving and nowadays has been actively explored for its realization. The research community and relevant stakeholders necessitate the development of Deep Learning (DL) models and AI-enabled solutions to enhance autonomous vehicles (AVs) for smart mobility. There is a need to develop a model that accurately perceives multiple objects on the road and predicts the driver's perception to control the car's movements. This article proposes a novel utility-based analytical model that enables perception systems of AVs to understand the driving environment. The article consists of modules: acquiring a custom dataset having distinctive objects, i.e., motorcyclists, rickshaws, etc; a DL-based model (YOLOv8s) for object detection; and a module to measure the utility of perception service from the performance values of trained model instances. The perception model is validated based on the object detection task, and its process is benchmarked by state-of-the-art deep learning models' performance metrics from the nuScense dataset. The experimental results show three best-performing YOLOv8s instances based on mAP@0.5 values, i.e., SGD-based (0.832), Adam-based (0.810), and AdamW-based (0.822). However, the AdamW-based model (i.e., car: 0.921, motorcyclist: 0.899, truck: 0.793, etc.) still outperforms the SGD-based model (i.e., car: 0.915, motorcyclist: 0.892, truck: 0.781, etc.) because it has better class-level performance values, confirmed by the proposed perception model. We validate that the proposed function is capable of finding the right perception for AVs. The results above encourage using the proposed perception model to evaluate the utility of learning models and determine the appropriate perception for AVs.
• Abstract（参考訳）: 運転環境の認識は自動運転にとって重要な役割を担い、現在ではその実現に向けて積極的に研究されている。 研究コミュニティと関連するステークホルダーは、スマートモビリティのための自動運転車(AV)を強化するために、ディープラーニング(DL)モデルとAI対応ソリューションの開発を必要とします。 道路上の複数の物体を正確に知覚し、運転者の認識を予測して車の動作を制御するモデルを開発する必要がある。 本稿では,AVの認識システムによる運転環境の理解を可能にするユーティリティベース分析モデルを提案する。 この記事では、ユニークなオブジェクト、すなわちモーターサイクリスト、人力車などを持つカスタムデータセットを取得すること、オブジェクト検出のためのDLベースモデル(YOLOv8s)、訓練されたモデルインスタンスのパフォーマンス値から知覚サービスの有用性を測定するモジュールで構成される。 認識モデルは、オブジェクト検出タスクに基づいて検証され、そのプロセスは、nuScenseデータセットから最先端のディープラーニングモデルのパフォーマンスメトリクスによってベンチマークされる。 実験結果は、mAP@0.5値、すなわちSGDベース(0.832)、Adamベース(0.810)、AdamWベース(0.822)の3つの最も優れたYOLOv8sインスタンスを示す。 しかし、AdamWベースのモデル(車:0.921、モーターサイクリスト:0.899、トラック:0.793など)は、提案された認識モデルによって確認された、より優れたクラスレベルのパフォーマンス値を持つため、SGDベースのモデル(車:0.915、モーターサイクリスト:0.892、トラック:0.781など)よりも優れている。 提案機能では,AVに対する適切な認識が可能であることを検証した。 以上の結果は,提案した知覚モデルを用いて学習モデルの有効性を評価し,AVに対する適切な知覚を決定することを奨励する。

関連論文リスト

• HAD-Gen: Human-like and Diverse Driving Behavior Modeling for Controllable Scenario Generation [13.299893784290733]
  HAD-Genは、多様な人間のような運転行動をシミュレートする現実的な交通シナリオ生成のためのフレームワークである。 提案手法は, 目標達成率90.96%, オフロードレート2.08%, 衝突速度6.91%を達成する。
  論文  参考訳（メタデータ） (2025-03-19T09:38:45Z)
• Knowledge Distillation Neural Network for Predicting Car-following Behaviour of Human-driven and Autonomous Vehicles [2.099922236065961]
  本研究では,混合交通におけるHDV-AV,AV-HDV,HDV-HDVの自動車追従挙動について検討した。 本稿では,車追従動作を速度的に予測するための,データ駆動型知識蒸留ニューラルネットワーク(KDNN)モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-08T14:57:59Z)
• MetaFollower: Adaptable Personalized Autonomous Car Following [63.90050686330677]
  適応型パーソナライズされた自動車追従フレームワークであるMetaFollowerを提案する。 まず,モデルに依存しないメタラーニング(MAML)を用いて,様々なCFイベントから共通運転知識を抽出する。 さらに、Long Short-Term Memory (LSTM) と Intelligent Driver Model (IDM) を組み合わせて、時間的不均一性を高い解釈性で反映する。
  論文  参考訳（メタデータ） (2024-06-23T15:30:40Z)
• Guiding Attention in End-to-End Driving Models [49.762868784033785]
  模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。 トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。 従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
  論文  参考訳（メタデータ） (2024-04-30T23:18:51Z)
• Foundation Models for Structural Health Monitoring [14.36493796970864]
  本稿では,トランスフォーマーニューラルネットワークをMasked Auto-Encoderアーキテクチャを用いて,構造的健康モニタリングのための基礎モデルとして初めて利用することを提案する。 自己教師付き事前学習を通じて、複数の大規模データセットから一般化可能な表現を学習する能力を実証する。 本研究は,3つの運用用インダクトのデータを用いた基礎モデルの有効性を示す。
  論文  参考訳（メタデータ） (2024-04-03T13:32:44Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
  自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。 車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。 我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
  論文  参考訳（メタデータ） (2023-12-07T18:53:27Z)
• Learning An Active Inference Model of Driver Perception and Control: Application to Vehicle Car-Following [9.837204436270811]
  本稿では,感覚運動制御タスクにおいて,人間の知覚と制御のモデルを学ぶための一般的な推定手法を提案する。 我々は,人間の知覚と認知科学からの行動の理論である,能動的推論と整合したモデル構造仕様を考察する。
  論文  参考訳（メタデータ） (2023-03-27T13:39:26Z)
• SODA10M: Towards Large-Scale Object Detection Benchmark for Autonomous Driving [94.11868795445798]
  我々は,SODA10Mという名の自律走行用大規模物体検出ベンチマークをリリースし,1000万枚の未ラベル画像と6つの代表対象カテゴリをラベル付けした20K画像を含む。 多様性を向上させるために、画像は32の異なる都市で、1フレームあたり10秒毎に異なる気象条件、期間、場所のシーンで収集される。 我々は、既存の教師付き最先端検出モデル、一般的な自己監督型および半教師付きアプローチ、および将来のモデルの開発方法に関するいくつかの知見について、広範な実験と詳細な分析を行った。
  論文  参考訳（メタデータ） (2021-06-21T13:55:57Z)
• An LSTM-Based Autonomous Driving Model Using Waymo Open Dataset [7.151393153761375]
  本稿では,短期記憶モデル(LSTM)を用いた自律走行モデルの動作を模倣する手法を提案する。 実験結果から,本モデルは動作予測においていくつかのモデルより優れることがわかった。
  論文  参考訳（メタデータ） (2020-02-14T05:28:15Z)

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。