論文の概要: DAVOS: An Autonomous Vehicle Operating System in the Vehicle Computing Era

• arxiv url: http://arxiv.org/abs/2601.05072v3
• Date: Fri, 23 Jan 2026 16:11:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.70266
• Title: DAVOS: An Autonomous Vehicle Operating System in the Vehicle Computing Era
• Title（参考訳）: DAVOS: 自動車コンピューティング時代の自動運転車オペレーティングシステム
• Authors: Yuxin Wang, Yuankai He, Boyang Tian, Lichen Xian, Weisong Shi,
• Abstract要約: 自動車のコンピューティングは、自動運転車の設計と展開の仕方を根本的に変えるものだ。 DAVOSは、車両コンピューティングのコンテキスト用に設計された統一された車両オペレーティングシステムアーキテクチャである。
• 参考スコア（独自算出の注目度）: 6.415256119757278
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Vehicle computing represents a fundamental shift in how autonomous vehicles are designed and deployed, transforming them from isolated transportation systems into mobile computing platforms that support both safety-critical, real-time driving and data-centric services. In this setting, vehicles simultaneously support real-time driving pipelines and a growing set of data-driven applications, placing increased responsibility on the vehicle operating system to coordinate computation, data movement, storage, and access. These demands highlight recurring system considerations related to predictable execution, data and execution protection, efficient handling of high-rate sensor data, and long-term system evolvability, commonly summarized as Safety, Security, Efficiency, and Extensibility (SSEE). Existing vehicle operating systems and runtimes address these concerns in isolation, resulting in fragmented software stacks that limit coordination between autonomy workloads and vehicle data services. This paper presents DAVOS, the Dependable Autonomous Vehicle Operating System, a unified vehicle operating system architecture designed for the vehicle computing context. DAVOS provides a cohesive operating system foundation that supports both real-time autonomy and extensible vehicle computing within a single system framework.
• Abstract（参考訳）: 車載コンピューティングは、自動運転車の設計と展開の仕方における根本的な変化であり、それらが分離された輸送システムから、安全クリティカルでリアルタイムな運転とデータ中心のサービスの両方をサポートするモバイルコンピューティングプラットフォームに変換される。 この設定では、車両はリアルタイム駆動パイプラインとデータ駆動アプリケーション群を同時にサポートし、計算、データ移動、ストレージ、アクセスを協調するために車両オペレーティングシステムに責任を負う。 これらの要求は、予測可能な実行、データと実行保護、高速度センサーデータの効率的なハンドリング、長期システムの進化性に関する、繰り返し行われるシステムの考察を強調し、一般に、安全、セキュリティ、効率、拡張性(SSEE)と要約される。 既存の車両オペレーティングシステムとランタイムは、これらの懸念に分離して対処し、結果として、自律的なワークロードと車両データサービス間の調整を制限する、断片化されたソフトウェアスタックを生み出します。 本稿では,車載コンピューティングのコンテキストに配慮した統合車載オペレーティングシステムアーキテクチャであるDAVOSについて述べる。 DAVOSは、ひとつのシステムフレームワーク内でリアルタイムの自律性と拡張可能な車両コンピューティングの両方をサポートする、密集したオペレーティングシステム基盤を提供する。

関連論文リスト

• Research Challenges and Progress in the End-to-End V2X Cooperative Autonomous Driving Competition [54.341718589800855]
  車両間通信(V2X)は、知覚範囲を拡大し運転安全性を高めるための重要な手段となっている。 我々は,協調的時間知覚と協調的エンドツーエンド計画という2つのトラックを特徴とする,V2X協力によるエンドツーエンド自律運転を組織した。 本稿では,バンド幅認識融合,堅牢なマルチエージェント計画,異種センサ統合といった重要な研究課題を取り上げ,課題の設計と成果について述べる。
  論文  参考訳（メタデータ） (2025-07-29T09:06:40Z)
• WHALES: A Multi-Agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving [14.977628973132099]
  WHALESは,通信対応エージェントスケジューリングとスケーラブルな協調認識のベンチマークのために設計された,最初の大規模V2Xデータセットである。 WHALESは、シーンごとに平均8.4の協調エージェントと、さまざまな交通シナリオにまたがる2100万の注釈付き3Dオブジェクトを備えている。 リアルタイム通信ボトルネックをエミュレートするために、詳細な通信メタデータを組み込んでおり、スケジューリング戦略の厳密な評価を可能にしている。
  論文  参考訳（メタデータ） (2024-11-20T14:12:34Z)
• Real-time Vehicle-to-Vehicle Communication Based Network Cooperative Control System through Distributed Database and Multimodal Perception: Demonstrated in Crossroads [11.623582669220115]
  本稿では,VVCCS(Real-time-to-Vehicle Communication Based Network Cooperative Control System)を提案する。 VVCCSは、自動運転におけるマクロスコープの交通計画と衝突回避に革命をもたらす。 また,多目的追跡とレーダセンシングを併用した総合的マルチモーダル認識システムを開発した。
  論文  参考訳（メタデータ） (2024-10-23T05:59:55Z)
• A Practical-Driven Framework for Transitioning Drive-by-Wire to Autonomous Driving Systems: A Case Study with a Chrysler Pacifica Hybrid Vehicle [0.6649753747542207]
  Drive-by-Wire(DBW)システムから完全自律運転システム(ADS)への移行には、ロバストな位置決めとセンシング機能が必要である。 本稿では,2022 Chrysler Pacifica Hybrid Minivan を用いた移行を容易にするための実践駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-09T02:35:50Z)
• Unified End-to-End V2X Cooperative Autonomous Driving [21.631099800753795]
  UniE2EV2Xは、V2Xに統合されたエンドツーエンドの自動運転システムで、主要な駆動モジュールを統合ネットワーク内で統合する。 このフレームワークは変形可能な注意ベースのデータ融合戦略を採用し、車とインフラの協調を効果的に促進する。 We implement the UniE2EV2X framework on the challenge DeepAccident, a simulation dataset designed for V2X collaborative driving。
  論文  参考訳（メタデータ） (2024-05-07T03:01:40Z)
• Classification of Safety Driver Attention During Autonomous Vehicle Operation [11.33083039877258]
  本稿では、車両オペレーターと車両認識システムに対向する赤外線カメラからのデータを統合したデュアルソースアプローチを提案する。 提案システムは,車両運転者の注意度基準を効果的に決定し,警告や自律機能低下などの介入を適切に行う。
  論文  参考訳（メタデータ） (2023-10-17T22:04:42Z)
• 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)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Situation Awareness for Autonomous Vehicles Using Blockchain-based Service Cooperation [4.1650513680603884]
  ブロックチェーンに基づくトラフィックデータプロデューサとコンシューマ間のスマートコントラクトを実現する分散フレームワークを提案する。 自動運転車は、ローカルエッジサーバに接続したり、データを共有したり、合意に基づいてサービスを使用する。 このようなシナリオにおけるマルチキャスト伝送は、異なるサイズのデータパケットを1秒未満で送信できる場合のスループットを2.5倍に向上させる。
  論文  参考訳（メタデータ） (2022-04-07T09:23:30Z)

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。