論文の概要: Results of the 2024 CommonRoad Motion Planning Competition for Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2512.19564v1
• Date: Mon, 22 Dec 2025 16:46:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.847433
• Title: Results of the 2024 CommonRoad Motion Planning Competition for Autonomous Vehicles
• Title（参考訳）: 2024 自動車のコモンロード運動計画コンペティションの結果
• Authors: Yanliang Huang, Xia Yan, Peiran Yin, Zhenduo Zhang, Zeyan Shao, Youran Wang, Haoliang Huang, Matthias Althoff,
• Abstract要約: 我々は,2024年の第4回コモンロード運動計画コンペティションのセットアップと成果を紹介する。 この年次コンペティションは、モーションプランニングアルゴリズムをベンチマークするための、オープンソースで再現可能なフレームワークを提供する。 プランナーのパフォーマンスは、効率、安全性、快適さ、選択された交通規則の遵守の4つの側面に沿って評価される。
• 参考スコア（独自算出の注目度）: 12.089353678093902
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Over the past decade, a wide range of motion planning approaches for autonomous vehicles has been developed to handle increasingly complex traffic scenarios. However, these approaches are rarely compared on standardized benchmarks, limiting the assessment of relative strengths and weaknesses. To address this gap, we present the setup and results of the 4th CommonRoad Motion Planning Competition held in 2024, conducted using the CommonRoad benchmark suite. This annual competition provides an open-source and reproducible framework for benchmarking motion planning algorithms. The benchmark scenarios span highway and urban environments with diverse traffic participants, including passenger cars, buses, and bicycles. Planner performance is evaluated along four dimensions: efficiency, safety, comfort, and compliance with selected traffic rules. This report introduces the competition format and provides a comparison of representative high-performing planners from the 2023 and 2024 editions.
• Abstract（参考訳）: 過去10年間で、ますます複雑な交通シナリオを扱うために、自動運転車のための幅広いモーションプランニングアプローチが開発されてきた。 しかしながら、これらのアプローチは標準ベンチマークではほとんど比較されず、相対的な強度と弱さの評価が制限される。 このギャップに対処するため、2024年に開催された第4回CommonRoad Motion Planning Competitionのセットアップと結果をCommonRoadベンチマークスイートを用いて提示する。 この年次コンペティションは、モーションプランニングアルゴリズムをベンチマークするための、オープンソースで再現可能なフレームワークを提供する。 ベンチマークのシナリオは高速道路と都市環境にまたがっており、旅客車、バス、自転車など様々な交通機関が参加している。 プランナーのパフォーマンスは、効率、安全性、快適さ、選択された交通規則の遵守の4つの側面に沿って評価される。 本報告では,2023年版と2024年版の代表的なハイパフォーマンスプランナを比較し,コンペティションフォーマットを紹介する。

関連論文リスト

• Self-driving cars: Are we there yet? [2.1547849427569408]
  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。
  論文  参考訳（メタデータ） (2025-09-26T09:13:50Z)
• ICPR 2024 Competition on Rider Intention Prediction [19.858523089237675]
  ライダー意図予測(RIP)コンペティションは、ライダーの安全に関する課題に、その前に積極的に操作を予測することによって対処することを目的としている。 我々は、ライダーアクション予測データセット(RAAD)という新しいデータセットを、シングルビューRIPとマルチビューRIPという2つのタスクからなる競技のために収集する。 コンテストでは、75の登録と5つのチームからの見積もりを受け取り、両方のRIPタスクで上位3つのパフォーマンスチームのメソッドを比較しました。
  論文  参考訳（メタデータ） (2025-03-11T13:50:37Z)
• Bench4Merge: A Comprehensive Benchmark for Merging in Realistic Dense Traffic with Micro-Interactive Vehicles [21.832221839624527]
  本稿では,統合シナリオにおける動作計画能力を評価するためのベンチマークを提案する。 我々のアプローチには、微小な行動特性を持つ大規模データセットで訓練された他の車両が含まれる。 既存の手法の評価を行い,共通問題を同定した。
  論文  参考訳（メタデータ） (2024-10-21T11:35:33Z)
• ICPR 2024 Competition on Safe Segmentation of Drive Scenes in Unstructured Traffic and Adverse Weather Conditions [1.4874918394223613]
  ICPR 2024コンペティションは、最先端セマンティックセグメンテーションモデルの評価とベンチマークを行うための厳格なプラットフォームとして機能した。 競争の重要な側面は、安全平均距離(Safe mean Intersection over Union)メートル法(Safe mIoU)の使用と改善であった。 競争の結果はドメインに新しいベンチマークを設定し、現実のシナリオにおける自動運転車のデプロイにおける安全性の重要性を強調した。
  論文  参考訳（メタデータ） (2024-09-09T04:42:57Z)
• Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
  本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。 我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
  論文  参考訳（メタデータ） (2024-06-06T09:12:30Z)
• The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition [136.32656319458158]
  2024年のRoboDrive Challengeは、駆動認識技術の発展を促進するために作られた。 今年の挑戦は5つの異なるトラックで構成され、11カ国の93の機関から140の登録チームが集まった。 競争は15の最高パフォーマンスのソリューションで頂点に達した。
  論文  参考訳（メタデータ） (2024-05-14T17:59:57Z)
• EFaR 2023: Efficient Face Recognition Competition [51.77649060180531]
  バイオメトリックス国際会議(IJCB 2023)における効率的な顔認識コンペティション(EFaR)の概要について述べる。 この競技会は6つの異なるチームから17の応募を受けた。 提案したソリューションは、様々なベンチマークで達成された検証精度の重み付けスコアと、浮動小数点演算数とモデルサイズによって与えられるデプロイ可能性に基づいてランク付けされる。
  論文  参考訳（メタデータ） (2023-08-08T09:58:22Z)
• A Machine-Learned Ranking Algorithm for Dynamic and Personalised Car Pooling Services [7.476901945542385]
  カープールサービスのレコメンデーションシステムであるGoTogetherを提案する。 GoTogetherは、提案された試合の成功率を最大化するために、推奨乗車数のリストを構築している。 提案手法の性能をテストするために,Twitter や Foursquare の情報源から得られた実データを利用する。
  論文  参考訳（メタデータ） (2023-07-06T09:25:38Z)
• The 5th AI City Challenge [51.83023045451549]
  第5回AIシティチャレンジには38カ国305チームが参加した。 アルゴリズムの有効性と計算効率の両面で評価を行った。 結果は、スマートトランスポーテーションにおけるAIの約束を示している。
  論文  参考訳（メタデータ） (2021-04-25T19:15:27Z)
• Flatland Competition 2020: MAPF and MARL for Efficient Train Coordination on a Grid World [49.80905654161763]
  車両再スケジュール問題(vrsp)の解法開発を目的としたフラットランドコンペティション VRSPは、交通ネットワークにおける旅行のスケジュールと、故障が発生した場合の車両の再スケジュールに関するものである。 現代の鉄道網の複雑化は、交通の動的リアルタイムスケジューリングを事実上不可能にします。
  論文  参考訳（メタデータ） (2021-03-30T17:13:29Z)
• LookOut: Diverse Multi-Future Prediction and Planning for Self-Driving [139.33800431159446]
  LookOutは、環境を共同で知覚し、センサーデータから様々な未来を予測するアプローチである。 本モデルでは,大規模自動運転データセットにおいて,より多様性があり,サンプル効率のよい動き予測を行う。
  論文  参考訳（メタデータ） (2021-01-16T23:19:22Z)

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。