論文の概要: ARCAS: An Augmented Reality Collision Avoidance System with SLAM-Based Tracking for Enhancing VRU Safety
- arxiv url: http://arxiv.org/abs/2512.05299v1
- Date: Thu, 04 Dec 2025 22:34:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-13 22:40:56.832975
- Title: ARCAS: An Augmented Reality Collision Avoidance System with SLAM-Based Tracking for Enhancing VRU Safety
- Title（参考訳）: ARCAS:VRUの安全性を高めるSLAMベースのトラッキングによる拡張現実衝突回避システム
- Authors: Ahmad Yehia, Jiseop Byeon, Tianyi Wang, Huihai Wang, Yiming Xu, Junfeng Jiao, Christian Claudel,
- Abstract要約: 本稿では、ウェアラブルARヘッドセットを介してVRUにパーソナライズされた空間アラートを提供する、リアルタイム拡張現実衝突回避システムARCASを提案する。
道路沿いの360度3D LiDARにSLAMベースのヘッドセットトラッキングと自動3Dキャリブレーションの手順を組み込むことで、ARCASは世界のロックされた3Dバウンディングボックスと方向矢印を正確にオーバーレイし、ユーザのパススルービューのハザードに近づく。
ARCASは歩行者の時間対衝突をほぼ2倍にし、視力のない状況と比較して、相手の反応マージンを最大4倍に増やした。
- 参考スコア（独自算出の注目度）: 6.872067323332324
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vulnerable road users (VRUs) face high collision risks in mixed traffic, yet most existing safety systems prioritize driver or vehicle assistance over direct VRU support. This paper presents ARCAS, a real-time augmented reality collision avoidance system that provides personalized spatial alerts to VRUs via wearable AR headsets. By fusing roadside 360-degree 3D LiDAR with SLAM-based headset tracking and an automatic 3D calibration procedure, ARCAS accurately overlays world-locked 3D bounding boxes and directional arrows onto approaching hazards in the user's passthrough view. The system also enables multi-headset coordination through shared world anchoring. Evaluated in real-world pedestrian interactions with e-scooters and vehicles (180 trials), ARCAS nearly doubled pedestrians' time-to-collision and increased counterparts' reaction margins by up to 4x compared to unaided-eye conditions. Results validate the feasibility and effectiveness of LiDAR-driven AR guidance and highlight the potential of wearable AR as a promising next-generation safety tool for urban mobility.
- Abstract（参考訳）: Vulnerable Road Users (VRU) は混在トラフィックの衝突リスクが高いが、既存の安全システムはVRUの直接サポートよりもドライバーや車両の補助を優先している。
本稿では、ウェアラブルARヘッドセットを介してVRUにパーソナライズされた空間アラートを提供する、リアルタイム拡張現実衝突回避システムARCASを提案する。
道路沿いの360度3D LiDARにSLAMベースのヘッドセットトラッキングと自動3Dキャリブレーションの手順を組み込むことで、ARCASは世界のロックされた3Dバウンディングボックスと方向矢印を正確にオーバーレイし、ユーザのパススルービューのハザードに近づく。
このシステムはまた、共有ワールドアンカーによる複数ヘッドセット協調を可能にする。
現実の歩行者とeスクーターと車両との相互作用(180の試行)を評価すると、ARCASは歩行者の時間対衝突をほぼ2倍にし、目が見えない状況と比較して相手の反応マージンを最大4倍に増やした。
その結果、LiDARによるARガイダンスの実現可能性と有効性を評価し、都市移動のための次世代安全ツールとしてのウェアラブルARの可能性を強調した。
関連論文リスト
- STAGNet: A Spatio-Temporal Graph and LSTM Framework for Accident Anticipation [0.0]
事故やタイムリーな警告は、道路利用者の怪我のリスクを低減し、財産被害を最小限に抑えることにより、道路安全を改善する上で重要な役割を担っている。
Advanced Driver Assistance Systems (ADAS)は、人間のドライバーを支援するように設計されており、事故が起こる前に潜在的な事故を予測できる場合に特に有用である。
多くの既存のシステムはLiDAR、レーダー、GPSなどのセンサーに依存しているが、ダッシュカムのビデオ入力のみに依存しているため、より困難だがコスト効率が高く、容易にデプロイできるソリューションが提示される。
論文 参考訳（メタデータ） (2025-08-21T04:02:22Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - VRU-CIPI: Crossing Intention Prediction at Intersections for Improving Vulnerable Road Users Safety [0.0]
交差点におけるVRU交差意図を予測するために,VRU-CIPIフレームワークを逐次アテンションベースモデルで提案する。
VRU-CIPIは、GRU(Gated Recurrent Unit)を使用して、VRU動作の時間的ダイナミクスをキャプチャする。
提案手法は96.45%の精度で,33フレーム/秒のリアルタイム推論速度を実現する。
論文 参考訳（メタデータ） (2025-05-15T03:40:29Z) - Consensus-Aware AV Behavior: Trade-offs Between Safety, Interaction, and Performance in Mixed Urban Traffic [0.0]
自動走行車(AV)の安全性、相互作用品質、交通性能のコンセンサスを定量化することを目的としている。
Time-to-Collision (TTC), Post-Encroachment Time (PET), deceleration pattern, Headway, string stabilityなど,主要な指標を評価した。
その結果,AV-VRUインタラクションフレームの1.63%が3つの条件をすべて満たしているという,安全性,インタラクション,パフォーマンスに関する完全なコンセンサスは稀であることがわかった。
論文 参考訳（メタデータ） (2025-05-07T12:59:59Z) - V-CAS: A Realtime Vehicle Anti Collision System Using Vision Transformer on Multi-Camera Streams [0.0]
本稿では,リアルタイム衝突回避システム(V-CAS)を提案する。
V-CASは適応ブレーキによるリアルタイム衝突リスク評価と能動的緩和を可能にする。
その結果,従来の単カメラ法と比較して物体検出と追跡の大幅な改善,衝突回避の強化が示唆された。
論文 参考訳（メタデータ） (2024-11-04T10:39:15Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Learned Risk Metric Maps for Kinodynamic Systems [54.49871675894546]
本研究では,高次元力学系のコヒーレントリスクメトリクスをリアルタイムに推定するための学習型リスクメトリクスマップを提案する。
LRMMモデルは設計と訓練が簡単で、障害セットの手続き的生成、状態と制御のサンプリング、および関数近似器の教師付きトレーニングのみを必要とする。
論文 参考訳（メタデータ） (2023-02-28T17:51:43Z) - Using UAVs for vehicle tracking and collision risk assessment at
intersections [2.090380922731455]
本研究は、道路利用者の移動を追跡し、交差点での衝突の可能性を評価するために、UAVとV2X接続の適用を実証する。
提案手法は,ディープラーニングに基づくトラッキングアルゴリズムと時間対衝突タスクを組み合わせたものである。
論文 参考訳（メタデータ） (2021-10-11T19:38:24Z) - Transferable Deep Reinforcement Learning Framework for Autonomous
Vehicles with Joint Radar-Data Communications [69.24726496448713]
本稿では,AVの最適決定を支援するために,マルコフ決定プロセス(MDP)に基づくインテリジェントな最適化フレームワークを提案する。
そこで我々は,近年の深層強化学習技術を活用した効果的な学習アルゴリズムを開発し,AVの最適方針を見出す。
提案手法は,従来の深部強化学習手法と比較して,AVによる障害物ミス検出確率を最大67%削減することを示す。
論文 参考訳（メタデータ） (2021-05-28T08:45:37Z)
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。