論文の概要: Towards Safe Autonomous Driving: A Real-Time Motion Planning Algorithm on Embedded Hardware

• arxiv url: http://arxiv.org/abs/2601.03904v1
• Date: Wed, 07 Jan 2026 13:14:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.683149
• Title: Towards Safe Autonomous Driving: A Real-Time Motion Planning Algorithm on Embedded Hardware
• Title（参考訳）: 安全な自動運転を目指す - 組込みハードウェア上でのリアルタイムモーションプランニングアルゴリズム
• Authors: Korbinian Moller, Glenn Johannes Tungka, Lucas Jürgens, Johannes Betz,
• Abstract要約: 本稿では,フェール・オペレーショナル・自律運転のためのアクティブ・セーフティ・拡張に向けた第一歩を示す。 リアルタイムオペレーティングシステム(RTOS)を動作させる自動車グレードの組込みプラットフォーム上に,サンプリングベースの軌道プランナを配置する。 その結果、境界レイテンシと最小ジッタによる決定論的タイミング挙動が示され、安全確認可能なハードウェア上での軌道計画の有効性が検証された。
• 参考スコア（独自算出の注目度）: 1.5836913530330785
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ensuring the functional safety of Autonomous Vehicles (AVs) requires motion planning modules that not only operate within strict real-time constraints but also maintain controllability in case of system faults. Existing safeguarding concepts, such as Online Verification (OV), provide safety layers that detect infeasible planning outputs. However, they lack an active mechanism to ensure safe operation in the event that the main planner fails. This paper presents a first step toward an active safety extension for fail-operational Autonomous Driving (AD). We deploy a lightweight sampling-based trajectory planner on an automotive-grade, embedded platform running a Real-Time Operating System (RTOS). The planner continuously computes trajectories under constrained computational resources, forming the foundation for future emergency planning architectures. Experimental results demonstrate deterministic timing behavior with bounded latency and minimal jitter, validating the feasibility of trajectory planning on safety-certifiable hardware. The study highlights both the potential and the remaining challenges of integrating active fallback mechanisms as an integral part of next-generation safeguarding frameworks. The code is available at: https://github.com/TUM-AVS/real-time-motion-planning
• Abstract（参考訳）: 自律走行車(AV)の機能的安全性を確保するには、厳格なリアルタイム制約の下で動作するだけでなく、システム障害時に制御性を維持する運動計画モジュールが必要である。 既存のセーフガードの概念であるオンライン検証(OV)は、実行不可能な計画出力を検出する安全レイヤを提供する。 しかし、メインプランナがフェールした場合に安全な操作を保証するためのアクティブなメカニズムが欠如している。 本稿では、フェール・オペレーショナル・自律運転(AD)のためのアクティブ・セーフティ・拡張に向けた第一歩を示す。 我々は,RTOS(Real-Time Operating System)で動作する自動車グレードの組み込みプラットフォーム上に,軽量なサンプリングベーストラジェクトリプランナをデプロイする。 プランナーは、制約された計算資源の下でトラジェクトリを継続的に計算し、将来の緊急計画アーキテクチャの基礎を形成する。 実験により,境界レイテンシと最小ジッタによる決定論的タイミング挙動が示され,安全確認可能なハードウェア上での軌道計画の有効性が検証された。 この研究は、次世代の保護フレームワークの不可欠な部分として、アクティブフォールバックメカニズムを統合する可能性と、残りの課題の両方を強調している。 コードは以下の通り。 https://github.com/TUM-AVS/real-time-motion-planning

関連論文リスト

• LPS-Bench: Benchmarking Safety Awareness of Computer-Use Agents in Long-Horizon Planning under Benign and Adversarial Scenarios [51.52395368061729]
  LPS-Benchは,長期作業下でのMPPベースのCUAの計画時安全意識を評価するベンチマークである。 実験は、安全な行動を維持する既存のCUAの能力に重大な欠陥があることを明らかにする。 MCPに基づくCUAシステムにおける長期計画の安全性向上のための緩和戦略を提案する。
  論文  参考訳（メタデータ） (2026-02-03T08:40:24Z)
• Self-Supervised Path Planning in Unstructured Environments via Global-Guided Differentiable Hard Constraint Projection [5.665217514922631]
  本研究では,非構造化環境における自律ナビゲーションのためのディープラーニングエージェントをデプロイするための自己教師型フレームワークを提案する。 データ不足を軽減するため,手動ラベリングを使わずに高密度の監視信号を提供するG-APF(Global-Guided Artificial Potential Field)を構築した。 20,000のシナリオからなるテストセットのベンチマークでは、88.75%の成功率を示し、強化された運用安全性を実証している。
  論文  参考訳（メタデータ） (2026-01-27T08:37:21Z)
• RoboSafe: Safeguarding Embodied Agents via Executable Safety Logic [56.38397499463889]
  視覚言語モデル(VLM)を利用するエージェントは、複雑な現実世界のタスクを実行する能力がますます高まっている。 しかし、安全でない行動を引き起こす可能性のある危険な指示に弱いままである。 提案するRoboSafeは,実行可能述語ベースの安全ロジックを通じて,エージェントを具体化するためのランタイムセーフガードである。
  論文  参考訳（メタデータ） (2025-12-24T15:01:26Z)
• Constrained Decoding for Robotics Foundation Models [12.916330118607918]
  本稿では,自動回帰ロボット基盤モデルのための制約付き復号化フレームワークであるSafeDecを紹介する。 タスク固有の安全ルールはSignal Temporal Logic (STL) 公式として表現され、最小限のオーバーヘッドで推論時に強制される。 提案手法は,実行時に仮定された動的条件下でのSTL仕様を,再トレーニングなしで確実に満たすものである。
  論文  参考訳（メタデータ） (2025-09-01T19:17:40Z)
• Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling [74.41886258801209]
  本稿では,行動学習から原理的アライメントを分離する2段階の軌道計画フレームワークを提案する。 Plan-R1は計画の安全性と実現可能性を大幅に改善し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2025-05-23T09:22:19Z)
• Real-Time Out-of-Distribution Failure Prevention via Multi-Modal Reasoning [18.28480383898768]
  FORTRESSはロボットの安全性のための共同推論と計画のフレームワークである。 セマンティックに安全なフォールバック戦略を生成し、安全クリティカルなOOD障害を防ぐ。
  論文  参考訳（メタデータ） (2025-05-15T17:55:28Z)
• Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
  我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。 本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
  論文  参考訳（メタデータ） (2025-03-14T17:59:41Z)
• General-Purpose Aerial Intelligent Agents Empowered by Large Language Models [9.603293922137965]
  本稿では,オープンワールドタスク実行が可能な,初の航空知的エージェントを提案する。 私たちのハードウェアとソフトウェアの共同設計システムは、2つの基本的な制限に対処します。 本システムは,コミュニケーション制約のある環境におけるタスク計画とシーン理解の信頼性を示す。
  論文  参考訳（メタデータ） (2025-03-11T11:13:58Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)
• Trajectory Planning for Autonomous Vehicles Using Hierarchical Reinforcement Learning [21.500697097095408]
  不確実かつ動的条件下で安全な軌道を計画することは、自律運転問題を著しく複雑にする。 RRT(Rapidly Exploring Random Trees)のような現在のサンプリングベース手法は、高い計算コストのため、この問題には理想的ではない。 軌道計画のための階層型強化学習構造とPID(Proportional-Integral-Derivative)コントローラを提案する。
  論文  参考訳（メタデータ） (2020-11-09T20:49:54Z)

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。