Fugu-MT 論文翻訳(概要): Location as a service with a MEC architecture

論文の概要: Location as a service with a MEC architecture

arxiv url: http://arxiv.org/abs/2602.13358v1
Date: Fri, 13 Feb 2026 09:03:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-23 08:17:41.448766
Title: Location as a service with a MEC architecture
Title（参考訳）: MECアーキテクチャによるサービスとしてのロケーション
Authors: Christopher Schahn, Jorin Kouril, Bernd Schaeufele, Ilja Radusch,
Abstract要約: 本稿では,地域化への協調的アプローチについて述べる。複数の道路利用者からのGPS情報は、Mobile Edge Computingクラウドで収集される。
参考スコア（独自算出の注目度）: 0.359986669039879
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, automated driving has become viable, and advanced driver assistance systems (ADAS) are now part of modern cars. These systems require highly precise positioning. In this paper, a cooperative approach to localization is presented. The GPS information from several road users is collected in a Mobile Edge Computing cloud, and the characteristics of GNSS positioning are used to provide lane-precise positioning for all participants by applying probabilistic filters and HD maps.
Abstract（参考訳）: 近年、自動運転が実現し、高度運転支援システム(ADAS)が現代車の一部となっている。これらのシステムは高精度な位置決めを必要とする。本稿では,地域化への協調的アプローチについて述べる。複数の道路利用者からのGPS情報をMobile Edge Computingクラウドに収集し、GNSS位置決めの特性を用いて、確率的フィルタとHDマップを適用することにより、全ての参加者に対して車線精度の高い位置決めを行う。

関連論文リスト

ActLoc: Learning to Localize on the Move via Active Viewpoint Selection [52.909507162638526]
ActLocは、一般的なロボットナビゲーションタスクのローカライズ精度を高めるためのアクティブな視点対応計画フレームワークである。 ActLocの中核となるのは、視点選択のために、大規模に訓練された注意ベースのモデルである。 ActLocは、単一視点選択における最先端の結果を達成し、完全な軌道計画に効果的に一般化する。
論文参考訳（メタデータ） (2025-08-28T16:36:02Z)
Road User Classification from High-Frequency GNSS Data Using Distributed Edge Intelligence [0.0]
現実世界の交通は、歩行者から重トラックまで多様な道路利用者を含んでいる。従来のアプローチは、しばしば侵入型または高価な外部センサーに依存している。本研究の目的は,高周波数(1-2Hz)の位置列を用いて,道路利用者分類の非侵襲的で費用対効果の高い代替手段を検討することである。
論文参考訳（メタデータ） (2024-11-28T14:51:02Z)
Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文参考訳（メタデータ） (2024-10-10T10:10:03Z)
Leveraging GNSS and Onboard Visual Data from Consumer Vehicles for Robust Road Network Estimation [18.236615392921273]
本稿では,自動運転車における道路グラフ構築の課題について述べる。本稿では,これらの標準センサから取得したグローバルナビゲーション衛星システム(GNSS)のトレースと基本画像データについて提案する。我々は、畳み込みニューラルネットワークを用いて、道路中心のセマンティックセグメンテーションタスクとして問題をフレーミングすることで、データの空間情報を利用する。
論文参考訳（メタデータ） (2024-08-03T02:57:37Z)
QoS prediction in radio vehicular environments via prior user information [54.853542701389074]
セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
論文参考訳（メタデータ） (2024-02-27T17:05:41Z)
Haris: an Advanced Autonomous Mobile Robot for Smart Parking Assistance [2.3779780917500544]
このシステムは、自動ナビゲーションと駐車場の正確なマッピングのために、同時位置決めとマッピング(SLAM)を採用している。提案システムは,スポーツスタジアム等の混雑地において,短期的な大規模屋外駐車場の管理を改善する可能性を秘めている。
論文参考訳（メタデータ） (2024-01-31T11:00:26Z)
A Prototype on the Feasibility of Learning Spatial Provenance in XBee and LoRa Networks [0.732582506267845]
V2Xネットワークでは、通常、ロードサイドユニット(RSU)は参加車両の位置情報を収集して、セキュリティとネットワーク診断機能を提供したいと考えている。本稿では、車両がプライバシーをある程度侵害し、RSUの要求に応じて座標の低精度な変種を共有することに同意した新しい空間改善フレームワークを提案する。実演では、より少ないパケットでロー・トゥ・モデレートの精度のローカライズを達成できることが示され、次世代車載ネットワークがリアルタイムセキュリティとネットワークを提供する方法を含むことをアピールする。
論文参考訳（メタデータ） (2024-01-12T15:36:28Z)
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)
RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文参考訳（メタデータ） (2023-10-03T17:59:32Z)
Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
本稿では,自動車用レーダセンサの自動校正手法を提案する。本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
論文参考訳（メタデータ） (2023-06-23T07:01:10Z)

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。