論文の概要: Digital-Twin Losses for Lane-Compliant Trajectory Prediction at Urban Intersections

• arxiv url: http://arxiv.org/abs/2603.05546v1
• Date: Wed, 04 Mar 2026 20:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:44.186299
• Title: Digital-Twin Losses for Lane-Compliant Trajectory Prediction at Urban Intersections
• Title（参考訳）: 都市交差点における車線不整形軌道予測のためのディジタルツイン損失
• Authors: Kuo-Yi Chao, Erik Leo Haß, Melina Gegg, Jiajie Zhang, Ralph Raßhofer, Alois Christian Knoll,
• Abstract要約: ディジタルツイン駆動のV2X軌道予測パイプラインを作成する。 我々は、交差点から車両に送られる実世界のV2Xデータに対して、我々のアプローチを訓練し、評価する。
• 参考スコア（独自算出の注目度）: 7.662328004582307
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate and safety-conscious trajectory prediction is a key technology for intelligent transportation systems, especially in V2X-enabled urban environments with complex multi-agent interactions. In this paper, we created a digital twin-driven V2X trajectory prediction pipeline that jointly leverages cooperative perception from vehicles and infrastructure to forecast multi-agent motion at signalized intersections. The proposed model combines a Bi-LSTM-based generator with a structured training objective consisting of a standard mean squared error (MSE) loss and a novel twin loss. The twin loss encodes infrastructure constraints, collision avoidance, diversity across predicted modes, and rule-based priors derived from the digital twin. While the MSE term ensures point-wise accuracy, the twin loss penalizes traffic rule violations, predicted collisions, and mode collapse, guiding the model toward scene-consistent and safety-compliant predictions. We train and evaluate our approach on real-world V2X data sent from the intersection to the vehicle and collected in urban corridors. In addition to standard trajectory metrics (ADE, FDE), we introduce ITS-relevant safety indicators, including infrastructure and rule violation rates. Experimental results demonstrate that the proposed training scheme significantly reduces critical violations while maintaining comparable prediction accuracy and real-time performance, highlighting the potential of digital twin-driven multi-loss learning for V2X-enabled intelligent transportation systems.
• Abstract（参考訳）: 高精度で安全に配慮した軌道予測は、知的輸送システム、特に複雑なマルチエージェント相互作用を持つV2X対応都市環境において重要な技術である。 本稿では,車両やインフラからの協調的認識を利用して信号化交差点でのマルチエージェント動作を予測するデジタルツイン駆動V2X軌道予測パイプラインを構築した。 提案モデルでは,Bi-LSTM ベースジェネレータと標準平均二乗誤差(MSE)損失と新たな双対損失からなる構造化トレーニング目標を組み合わせた。 ツインロスは、インフラストラクチャの制約、衝突回避、予測モード間の多様性、およびデジタルツインから派生したルールベースの事前をエンコードする。 MSE項はポイントワイズ精度を保証するが、ツインロスは交通規則違反、予測衝突、モード崩壊をペナルティ化し、シーン一貫性と安全性に適合した予測に向けてモデルを導く。 我々は、交差点から車両に送られ、都市回廊で収集される実世界のV2Xデータに対して、我々のアプローチを訓練し、評価する。 標準軌跡指標(ADE, FDE)に加えて,インフラストラクチャやルール違反率を含むITS関連安全指標を導入する。 実験の結果,提案手法は,V2X対応インテリジェントトランスポートシステムにおけるディジタルツイン駆動型マルチロス学習の可能性を強調しつつ,予測精度とリアルタイム性能を維持しながら,重大な違反を著しく低減することが示された。

関連論文リスト

• Spatiotemporal Semantic V2X Framework for Cooperative Collision Prediction [5.862522659881676]
  交通システム(ITS)は、道路の安全を確保し、事故の深刻度を低減するために、リアルタイムの衝突予測を要求する。 従来のアプローチは、道路側ユニット(RSU)から車両に生または高次元の知覚データを送信することに依存していた。 RSU搭載ビデオカメラが将来のフレームのセマンティック埋め込みを生成するセマンティックV2Xフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-23T23:02:04Z)
• Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
  本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。 i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
  論文  参考訳（メタデータ） (2025-03-06T07:36:06Z)
• Knowledge-Informed Multi-Agent Trajectory Prediction at Signalized Intersections for Infrastructure-to-Everything [7.452533291998081]
  我々は、I2X(Infrastructure-to-Everything)協調予測スキームを導入する。 このスキームでは、ロードサイドユニット(RSU)は独立して全ての車両の将来の軌跡を予測する。 我々は,専用インフラストラクチャベースの軌道予測モデルであるI2XTrajを提案する。
  論文  参考訳（メタデータ） (2025-01-23T08:23:45Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• Edge-Assisted ML-Aided Uncertainty-Aware Vehicle Collision Avoidance at Urban Intersections [12.812518632907771]
  都市横断路におけるプリエンプティブ衝突を検出する新しい枠組みを提案する。 5Gネットワークのマルチアクセスエッジコンピューティングプラットフォームを利用する。
  論文  参考訳（メタデータ） (2024-04-22T18:45:40Z)
• Context-Aware Target Classification with Hybrid Gaussian Process prediction for Cooperative Vehicle Safety systems [2.862606936691229]
  自動運転車の堅牢性と安全性を改善するための潜在的な解決策として、V2X通信が提案されている。 協調車両安全(CVS)アプリケーションは、下層データシステムの信頼性に強く依存している。 本稿では,CVSシステムのためのコンテキスト認識ターゲット分類(CA-TC)モジュールとハイブリッド学習に基づく予測モデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-12-24T22:03:08Z)
• Online Metro Origin-Destination Prediction via Heterogeneous Information Aggregation [99.54200992904721]
  我々は、ODとDOの進化パターンを共同で学習するために、HIAM(Heterogeneous Information Aggregation Machine)と呼ばれるニューラルネットワークモジュールを提案する。 ODモデリングブランチは、未完成な順序の潜在的な目的地を明示的に推定し、不完全OD行列の情報を補完する。 DOモデリングブランチは、DO行列を入力として、DOライダーシップの時空間分布をキャプチャする。 提案したHIAMに基づいて,将来のODおよびDOライダーを同時に予測する統合Seq2Seqネットワークを開発した。
  論文  参考訳（メタデータ） (2021-07-02T10:11:51Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)

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。