論文の概要: ROSA: Roundabout Optimized Speed Advisory with Multi-Agent Trajectory Prediction in Multimodal Traffic

• arxiv url: http://arxiv.org/abs/2602.14780v1
• Date: Mon, 16 Feb 2026 14:30:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:50.464601
• Title: ROSA: Roundabout Optimized Speed Advisory with Multi-Agent Trajectory Prediction in Multimodal Traffic
• Title（参考訳）: ROSA:マルチモーダル交通におけるマルチエージェント軌道予測による全周速度勧告
• Authors: Anna-Lena Schlamp, Jeremias Gerner, Klaus Bogenberger, Werner Huber, Stefanie Schmidtner,
• Abstract要約: 本稿では,マルチエージェント軌道予測と,ラウンドアバウンドにおける混在トラフィックの協調速度誘導を組み合わせたシステムであるROSAを提案する。 Transformerベースのモデルを用いて、ROSAは、車とVulnerable Road Users(VRU)のラウンドアバウンドにおける将来の軌跡を共同で予測する。 予測の不確実性にもかかわらず、ROSAは車両の効率と安全性を著しく改善し、VRUの観点から認識される安全性にも肯定的な影響を及ぼす。
• 参考スコア（独自算出の注目度）: 1.517795490799248
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present ROSA -- Roundabout Optimized Speed Advisory -- a system that combines multi-agent trajectory prediction with coordinated speed guidance for multimodal, mixed traffic at roundabouts. Using a Transformer-based model, ROSA jointly predicts the future trajectories of vehicles and Vulnerable Road Users (VRUs) at roundabouts. Trained for single-step prediction and deployed autoregressively, it generates deterministic outputs, enabling actionable speed advisories. Incorporating motion dynamics, the model achieves high accuracy (ADE: 1.29m, FDE: 2.99m at a five-second prediction horizon), surpassing prior work. Adding route intention further improves performance (ADE: 1.10m, FDE: 2.36m), demonstrating the value of connected vehicle data. Based on predicted conflicts with VRUs and circulating vehicles, ROSA provides real-time, proactive speed advisories for approaching and entering the roundabout. Despite prediction uncertainty, ROSA significantly improves vehicle efficiency and safety, with positive effects even on perceived safety from a VRU perspective. The source code of this work is available under: github.com/urbanAIthi/ROSA.
• Abstract（参考訳）: ROSA -- Roundabout Optimized Speed Advisory -- マルチエージェント軌道予測と,ラウンドアバウンドにおけるマルチモーダル混在トラフィックの協調速度誘導を組み合わせたシステムを提案する。 Transformerベースのモデルを用いて、ROSAは、車とVulnerable Road Users(VRU)のラウンドアバウンドにおける将来の軌跡を共同で予測する。 単一ステップの予測と自動回帰によってトレーニングされ、決定論的出力を生成し、実行可能なスピードアドバイザリーを可能にする。 運動力学を組み込んだモデルは精度が高く(ADE: 1.29m, FDE: 2.99m, 5秒の予測地平線で)、先行作業を上回る。 経路意図の追加により性能がさらに向上し(ADE: 1.10m、FDE: 2.36m)、接続された車両データの価値が示される。 ROSAはVRUとの予測された衝突と車両の循環に基づいて、ラウンドアバウンドに接近し突入するためのリアルタイムで前向きなスピードアドバイザリーを提供する。 予測の不確実性にもかかわらず、ROSAは車両の効率と安全性を著しく改善し、VRUの観点から認識される安全性にも肯定的な影響を及ぼす。 この作業のソースコードは、github.com/urbanAIthi/ROSAで公開されている。

関連論文リスト

• Hydra-NeXt: Robust Closed-Loop Driving with Open-Loop Training [64.16445087751039]
  Hydra-NeXtは、軌道予測、制御予測、軌道修正ネットワークを一つのモデルに統合する、新しいマルチブランチ計画フレームワークである。 Hydra-NeXt は22.98 DS と 17.49 SR を上回り、自動運転の大幅な進歩を示している。
  論文  参考訳（メタデータ） (2025-03-15T07:42:27Z)
• A Conflicts-free, Speed-lossless KAN-based Reinforcement Learning Decision System for Interactive Driving in Roundabouts [16.714573474722282]
  本稿では,様々な交通状況における安全かつ効率的な運転を促進する学習に基づくアルゴリズムを提案する。 KAN(Kolmogorov-Arnold Network)は、AVの環境理解を改善する。 実験結果から,提案システムは最先端の手法よりも一貫して優れていることがわかった。
  論文  参考訳（メタデータ） (2024-08-15T16:10:25Z)
• Trajectory Prediction with Observations of Variable-Length for Motion Planning in Highway Merging scenarios [5.193470362635256]
  既存の手法では、2秒以上の一定期間の観測がなければ、車両の予測を開始することはできない。 本稿では,1フレーム以上の観測長を扱うために特別に訓練されたトランスフォーマーを用いた軌道予測手法を提案する。 2つの大規模高速道路軌道データセットを用いて提案手法の総合評価を行う。
  論文  参考訳（メタデータ） (2023-06-08T18:03:48Z)
• Multi-Vehicle Trajectory Prediction at Intersections using State and Intention Information [50.40632021583213]
  道路員の将来の軌跡予測への伝統的なアプローチは、過去の軌跡を知ることに依存している。 この研究は、交差点で複数の車両の予測を行うために、現在の状態と意図された方向を知ることに依存する。 この情報を車両間で送るメッセージは、それぞれがより総合的な環境概要を提供する。
  論文  参考訳（メタデータ） (2023-01-06T15:13:23Z)
• AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
  軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。 我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。 私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
  論文  参考訳（メタデータ） (2022-09-19T03:34:59Z)
• Multi-modal Transformer Path Prediction for Autonomous Vehicle [15.729029675380083]
  ターゲットエージェントの長期的軌跡予測を目的としたMTPP(Multi-modal Transformer Path Prediction)と呼ばれる経路予測システムを提案する。 より正確な経路予測を実現するため,トランスフォーマーアーキテクチャをモデルに適用した。 実世界の軌跡予測データセットであるnuSceneを用いて,提案システムの有効性を定量的に評価した。
  論文  参考訳（メタデータ） (2022-08-15T15:09:26Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• PredictionNet: Real-Time Joint Probabilistic Traffic Prediction for Planning, Control, and Simulation [9.750094897470447]
  PredictionNetはディープニューラルネットワーク(DNN)で、Ego-vehicleの動作とともに、周囲のすべてのトラフィックエージェントの動作を予測する。 このネットワークは現実的なトラフィックをシミュレートするために使用することができ、人気のあるベンチマークで競合する結果を生成する。 現実の車両を何百キロも制御するために、モーションプランニング/制御サブシステムと組み合わせて使用されてきた。
  論文  参考訳（メタデータ） (2021-09-23T01:23:47Z)
• Maneuver-based Anchor Trajectory Hypotheses at Roundabouts [3.5851903214591663]
  人的データから学習することで、挑戦的なラウンドアバウト環境における車両の動き予測の問題に対処する。 ドライバーの意図は、セマンティクス駆動の概念に対応する一連の操作によって符号化される。 我々のモデルは、ラウンドアバウンドにおける可能な結果の空間をカバーする、一連の操作特異的なアンカー軌道を用いる。
  論文  参考訳（メタデータ） (2021-04-22T17:08:29Z)
• 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。