論文の概要: MapATM: Enhancing HD Map Construction through Actor Trajectory Modeling
- arxiv url: http://arxiv.org/abs/2604.11081v1
- Date: Mon, 13 Apr 2026 07:02:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.377361
- Title: MapATM: Enhancing HD Map Construction through Actor Trajectory Modeling
- Title（参考訳）: MapATM:アクター軌道モデリングによるHDマップ構築の強化
- Authors: Mingyang Li, Brian Lee, Rui Zuo, Brent Bacchus, Priyantha Mudalige, Qinru Qiu,
- Abstract要約: MapATMは、歴史的アクターの軌跡情報を効果的に活用して車線検出精度を向上させる、新しいディープニューラルネットワークである。
道路形状の事前構造としてアクタートラジェクトリを利用することにより,MapATMは大幅な性能向上を実現している。
- 参考スコア（独自算出の注目度）: 6.7817877892093845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-definition (HD) mapping tasks, which perform lane detections and predictions, are extremely challenging due to non-ideal conditions such as view occlusions, distant lane visibility, and adverse weather conditions. Those conditions often result in compromised lane detection accuracy and reduced reliability within autonomous driving systems. To address these challenges, we introduce MapATM, a novel deep neural network that effectively leverages historical actor trajectory information to improve lane detection accuracy, where actors refer to moving vehicles. By utilizing actor trajectories as structural priors for road geometry, MapATM achieves substantial performance enhancements, notably increasing AP by 4.6 for lane dividers and mAP by 2.6 on the challenging NuScenes dataset, representing relative improvements of 10.1% and 6.1%, respectively, compared to strong baseline methods. Extensive qualitative evaluations further demonstrate MapATM's capability to consistently maintain stable and robust map reconstruction across diverse and complex driving scenarios, underscoring its practical value for autonomous driving applications.
- Abstract（参考訳）: 高精細度(HD)マッピングタスクは、視界閉塞、遠方の車線視認性、悪天候などの非理想的条件のために非常に難しい。
これらの条件は、しばしば車線検出の精度を妥協し、自律運転システム内の信頼性を低下させる。
これらの課題に対処するために,過去のアクターの軌跡情報を効果的に活用して車線検出精度を向上させる,新しいディープニューラルネットワークであるMapATMを紹介した。
アクターの軌跡を道路形状の構造的先行として活用することにより、MapATMは、強力なベースライン法と比較して、それぞれ10.1%と6.1%の相対的な改善を示す挑戦的なNuScenesデータセット上で、APが4.6倍、mAPが2.6倍の大幅な性能向上を実現している。
広範囲にわたる質的評価により、MapATMは多様な複雑な運転シナリオをまたいだ安定かつ堅牢な地図再構築を一貫して維持し、自律運転アプリケーションに対する実用的価値を強調できる。
関連論文リスト
- Radar-based Pose Optimization for HD Map Generation from Noisy Multi-Drive Vehicle Fleet Data [46.711603517822816]
本研究は, 車両ポーズの生のレーダ点雲を用いて, レーダ計測を整列させることにより, 位置化ノイズ成分の緩和に重点を置いている。
コントラストに富んだ特徴の明確さを示し、地図上の主要な特徴型としてガードレールのポストに焦点をあてる。
第二に、改良されたポーズは、既存のレーン境界マップ生成パイプラインの基盤として使用することができ、元の純粋なライン検出に基づく最適化アプローチと比較して、マップ出力を大幅に改善する。
論文 参考訳（メタデータ） (2026-03-03T19:09:42Z) - Coherent Online Road Topology Estimation and Reasoning with Standard-Definition Maps [26.036008442130587]
ほとんどの自動運転車はHD(High-Definition)マップの可用性に依存している。
現在の研究は、搭載センサーからHDマップ要素を直接予測することで、この制約に対処することを目的としている。
本稿では,道路境界だけでなく,レーンセグメントとその対応するトポロジを予測するためのコヒーレントなアプローチを提案する。
論文 参考訳（メタデータ） (2025-07-02T06:26:17Z) - LANet: A Lane Boundaries-Aware Approach For Robust Trajectory Prediction [4.096453902709292]
本稿では,車線境界や道路縁を含む複数のベクトルマップ要素から情報を得る動き予測モデルを提案する。
モデルが道路構造に関する全体的情報を学習する,異なるベクトルマップ成分の情報をマージする,効果的な機能融合戦略が開発されている。
本手法は,運転環境のより情報的かつ効率的な表現を提供し,自律走行走行予測技術の現状を推し進めるものである。
論文 参考訳（メタデータ） (2025-07-02T02:49:24Z) - Inferring Driving Maps by Deep Learning-based Trail Map Extraction [5.381140012327021]
ハイデフィニション(HD)マップは、運転シーンに関する広範囲かつ正確な環境情報を提供する。
最近の傾向は、オフラインマッピングからオンラインマッピングへ移行し、使用済みマップの可用性と現実性を確保している。
ドライバが非公式に使用する経路をマップ作成プロセスに統合する,新たなオフラインマッピング手法を提案する。
論文 参考訳（メタデータ） (2025-05-15T13:09:19Z) - CleanMAP: Distilling Multimodal LLMs for Confidence-Driven Crowdsourced HD Map Updates [11.992484839577395]
CleanMAPは、クラウドソースされたデータをフィルタリングし、HDマップ更新のために洗練するように設計されたフレームワークである。
信頼駆動型局所地図融合戦略は、最上位の局所地図をランク付けし、選択する。
クリーンマップは0.28mの最小平均マップ更新誤差を達成し、ベースライン(0.37m)を上回り、厳密な精度の閾値を満たす。
論文 参考訳（メタデータ） (2025-04-14T22:16:10Z) - TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。
我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。
レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
論文 参考訳（メタデータ） (2024-11-22T06:13:42Z) - 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 Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。
データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。
提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
論文 参考訳（メタデータ） (2021-01-18T00:09:30Z) - Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。
本稿では,従来のアプローチのさらなる発展について述べる。
複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
論文 参考訳（メタデータ） (2020-08-09T09:26:30Z)
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。