論文の概要: Automated Quality Check of Sensor Data Annotations

• arxiv url: http://arxiv.org/abs/2603.00114v1
• Date: Thu, 19 Feb 2026 13:28:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 01:20:08.064145
• Title: Automated Quality Check of Sensor Data Annotations
• Title（参考訳）: センサデータアノテーションの自動品質チェック
• Authors: Niklas Freund, Zekiye Ilknur-Öz, Tobias Klockau, Patrick Naumann, Philipp Neumaier, Martin Köppel,
• Abstract要約: 自動化レベルのGoA4で完全に自動化され、ドライバーレス運転を行う場合、これらのシステムは環境監視を完全に独立して行う。 このようなAIアルゴリズムをトレーニングするには、大量のトレーニングデータが必要である。 鉄道車両用マルチセンサ・データセットにおける9つの一般的な誤りを検出するためのオープンソースツールを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The monitoring of the route and track environment plays an important role in automated driving. For example, it can be used as an assistance system for route monitoring in automation level Grade of Automation (GoA) 2, where the train driver is still on board. In fully automated, driverless driving at automation level GoA4, these systems finally take over environment monitoring completely independently. With the help of artificial intelligence (AI), they react automatically to risks and dangerous events on the route. To train such AI algorithms, large amounts of training data are required, which must meet high-quality standards due to their safety relevance. In this publication we present an automatic method for assuring the quality of training data, significantly reducing the manual workload and accelerating the development of these systems. We propose an open-source tool designed to detect nine common errors found in multi-sensor datasets for railway vehicles. To evaluate the performance of the framework, all detected errors were manually validated. Six issue detection methods achieved 100% precision, while three additional methods reached precision rates 96% and 97%.
• Abstract（参考訳）: ルートとトラック環境のモニタリングは、自動走行において重要な役割を担っている。 例えば、自動化レベルグレード・オブ・オートメーション(GoA)2におけるルート監視の補助システムとして利用することができる。 自動化レベルのGoA4で完全に自動化された無人運転では、これらのシステムは最終的に完全に独立して環境モニタリングを引き継いだ。 人工知能(AI)の助けを借りて、ルート上のリスクや危険な事象に自動的に反応する。 このようなAIアルゴリズムをトレーニングするには、大量のトレーニングデータが必要である。 本稿では、トレーニングデータの質を保証し、手作業の負荷を大幅に削減し、これらのシステムの開発を加速する自動手法を提案する。 鉄道車両用マルチセンサ・データセットにおける9つの一般的な誤りを検出するためのオープンソースツールを提案する。 フレームワークの性能を評価するために、検出されたすべてのエラーを手動で検証した。 6つの問題検出手法が100%精度を達成し、3つの追加手法が96%と97%の精度に達した。

関連論文リスト

• Overtake Detection in Trucks Using CAN Bus Signals: A Comparative Study of Machine Learning Methods [51.28632782308621]
  ボルボグループが提供する5台の車載トラックから収集した制御エリアネットワーク(CAN)バスデータを用いたオーバーテイク検出に焦点を当てた。 車両操作検出、ニューラルネットワーク(ANN)、ランダムフォレスト(RF)、サポートベクトルマシン(SVM)の3つの共通分類器の評価を行った。 当社のパートラック分析では、特にオーバーテイクにおいて、車両毎のトレーニングデータの量に依存する分類精度も明らかにしています。
  論文  参考訳（メタデータ） (2025-07-01T09:20:41Z)
• Efficient Mixture-of-Expert for Video-based Driver State and Physiological Multi-task Estimation in Conditional Autonomous Driving [12.765198683804094]
  道路の安全は世界中で重要な課題であり、交通事故による死者は約135万人である。 VDMoEと呼ばれる新しいマルチタスクDMSを提案し、RGBビデオ入力を利用して運転状態を非侵襲的に監視する。
  論文  参考訳（メタデータ） (2024-10-28T14:49:18Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Online Out-of-Domain Detection for Automated Driving [6.9088509456534215]
  本稿では,ドメインのオンライン離脱を検出する安全機構の実証について述べる。 我々の実験では、入力データが領域内か領域外かを100%正確に検出できることが示される。
  論文  参考訳（メタデータ） (2023-10-23T08:15:29Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• 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)
• Automated Static Camera Calibration with Intelligent Vehicles [58.908194559319405]
  自動ジオレファレンスカメラキャリブレーションのためのロバストキャリブレーション法を提案する。 本手法では, フィルタ/RTK受信機と慣性測定ユニット(IMU)を組み合わせたキャリブレーション車両が必要である。 我々の手法は、インフラと車両の両方で記録された情報と人間との相互作用を一切必要としない。
  論文  参考訳（メタデータ） (2023-04-21T08:50:52Z)
• A System-driven Automatic Ground Truth Generation Method for DL Inner-City Driving Corridor Detectors [0.0]
  乾燥可能なエゴ回廊のセマンティックセグメンテーションのための自動ラベリング手法を提案する。 提案した全体論的アプローチは、自動データループで使用することができ、依存する知覚モジュールを継続的に改善することができる。
  論文  参考訳（メタデータ） (2022-07-20T12:55:16Z)
• Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
  本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。 サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
  論文  参考訳（メタデータ） (2020-09-08T16:42:55Z)

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。