論文の概要: karl. - A Research Vehicle for Automated and Connected Driving

• arxiv url: http://arxiv.org/abs/2602.08842v2
• Date: Tue, 10 Feb 2026 14:50:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.29412
• Title: karl. - A Research Vehicle for Automated and Connected Driving
• Title（参考訳）: Carrl. - 自動運転とコネクテッドドライビングのための研究車両
• Authors: Jean-Pierre Busch, Lukas Ostendorf, Guido Linden, Lennart Reiher, Till Beemelmanns, Bastian Lampe, Timo Woopen, Lutz Eckstein,
• Abstract要約: 私たちは、自動運転とコネクテッドドライブのための新しい研究車両Karl.を紹介します。 大企業とは別に、世界中でL4対応の研究車両にアクセスできる機関は少ない。 本稿は、Karl.をフレキシブルで強力な研究プラットフォームにする上での、推論、設計選択、技術的な詳細を共有することによって、そのギャップを埋めることを目的としている。
• 参考スコア（独自算出の注目度）: 2.6098669581453993
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As highly automated driving is transitioning from single-vehicle closed-access testing to commercial deployments of public ride-hailing in selected areas (e.g., Waymo), automated driving and connected cooperative intelligent transport systems (C-ITS) remain active fields of research. Even though simulation is omnipresent in the development and validation life cycle of automated and connected driving technology, the complex nature of public road traffic and software that masters it still requires real-world integration and testing with actual vehicles. Dedicated vehicles for research and development allow testing and validation of software and hardware components under real-world conditions early on. They also enable collecting and publishing real-world datasets that let others conduct research without vehicle access, and support early demonstration of futuristic use cases. In this paper, we present karl., our new research vehicle for automated and connected driving. Apart from major corporations, few institutions worldwide have access to their own L4-capable research vehicles, restricting their ability to carry out independent research. This paper aims to help bridge that gap by sharing the reasoning, design choices, and technical details that went into making karl. a flexible and powerful platform for research, engineering, and validation in the context of automated and connected driving. More impressions of karl. are available at https://karl.ac.
• Abstract（参考訳）: 高度自動運転は、単一車両のクローズドアクセステストから、特定の地域(例えばWaymo)における公共配車サービスの商用展開へと移行しているため、自動運転とコネクテッド・コネクテッド・インテリジェント・トランスポートシステム(C-ITS)は研究の活発な領域に留まっている。 シミュレーションは、自動運転とコネクテッドドライビング技術の開発と検証のライフサイクルにおいて一様だが、公道の交通とそれをマスターするソフトウェアの複雑な性質は、実際の車両との実際の統合とテストを必要としている。 研究開発用の専用車両は、初期の実環境下でのソフトウェアとハードウェアコンポーネントのテストと検証を可能にする。 また、実際のデータセットの収集と公開も可能で、他の人が車へのアクセスなしに研究を行えるようにし、未来的なユースケースの初期のデモもサポートする。 本稿ではカールについて述べる。 自動運転とコネクテッド・ドライブのための新しい研究車両です。 大企業以外では、L4対応の研究車両を世界規模で利用できる機関は少なく、独立した研究を行う能力に制限がある。 本稿では,このギャップを橋渡しする上で,カール形成に繋がる理由,設計上の選択,技術的詳細を共有することを目的とする。 自動運転とコネクテッド運転のコンテキストにおける研究、エンジニアリング、検証のための柔軟で強力なプラットフォーム。 カールの印象が増す。 https://karl.ac.

関連論文リスト

• Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
  この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。 まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。 我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
  論文  参考訳（メタデータ） (2025-05-13T17:59:20Z)
• The Role of World Models in Shaping Autonomous Driving: A Comprehensive Survey [50.62538723793247]
  ドライビング・ワールド・モデル(DWM)は、ドライビング・プロセス中のシーンの進化を予測することに焦点を当てている。 DWM法は、自律運転システムが動的運転環境をよりよく知覚し、理解し、相互作用することを可能にする。
  論文  参考訳（メタデータ） (2025-02-14T18:43:15Z)
• Are you a robot? Detecting Autonomous Vehicles from Behavior Analysis [6.422370188350147]
  本稿では,車両が自律的かどうかを判断するために,カメラ画像と状態情報を用いてアクティブな車両を監視するフレームワークを提案する。 基本的には、自動運転車を識別するための機械学習モデルを提供する道路上で取得したデータをシェアする車両間の協力に基づいて構築される。 実験により,ビデオクリップを80%の精度で解析することにより,2つの行動の識別が可能であることが確認された。
  論文  参考訳（メタデータ） (2024-03-14T17:00:29Z)
• Why Autonomous Vehicles Are Not Ready Yet: A Multi-Disciplinary Review of Problems, Attempted Solutions, and Future Directions [43.389650174195914]
  本稿では, 自動化分野が直面する大きな課題を考察するために, 統合的・多分野的なアプローチを採用する。 レビューでは、現在の技術と研究者が考案した最も有望な解決策に関連する限界とリスクについて検討する。
  論文  参考訳（メタデータ） (2023-11-15T16:41:18Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• End-to-end Autonomous Driving: Challenges and Frontiers [45.391430626264764]
  エンドツーエンドの自動運転におけるモチベーション、ロードマップ、方法論、課題、今後のトレンドについて、270以上の論文を包括的に分析する。 マルチモダリティ、解釈可能性、因果的混乱、堅牢性、世界モデルなど、いくつかの重要な課題を掘り下げます。 基礎モデルと視覚前訓練の現在の進歩と、これらの技術をエンドツーエンドの駆動フレームワークに組み込む方法について論じる。
  論文  参考訳（メタデータ） (2023-06-29T14:17:24Z)
• Artificial Intelligence Methods in In-Cabin Use Cases: A Survey [4.896568671169519]
  キャビン内の機能は、ドライバーと乗客の安全で快適な旅を確保する上で重要な役割を担っている。 人工知能(AI)の分野における最近の進歩は、車両キャビンの自動化された問題を解決するために、さまざまな新しいアプリケーションと支援システムを可能にしました。 調査の結果は、AI技術が自動運転の面でのインキャビンタスクに取り組む有望な将来があることを示しています。
  論文  参考訳（メタデータ） (2021-01-06T15:08:39Z)

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。