論文の概要: RACF: A Resilient Autonomous Car Framework with Object Distance Correction

• arxiv url: http://arxiv.org/abs/2604.12418v1
• Date: Tue, 14 Apr 2026 08:06:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.326654
• Title: RACF: A Resilient Autonomous Car Framework with Object Distance Correction
• Title（参考訳）: RACF: オブジェクト距離補正を備えたレジリエントな自律走行車フレームワーク
• Authors: Chieh Tsai, Hossein Rastgoftar, Salim Hariri,
• Abstract要約: オブジェクト距離補正アルゴリズム(ODCA)を組み込んだRACF(Resilient Autonomous Car Framework)を提案する。 この枠組みでは、奥行きカメラによる障害物距離推定が不整合である場合には、クロスセンサゲートが補正アルゴリズムを起動して検出された不整合を修正する。 このフレームワークは、強い汚職の下で最大35%のRMSE削減を実現し、リアルタイムに運用しながら、コンプライアンスの停止とブレーキのレイテンシを改善した。
• 参考スコア（独自算出の注目度）: 4.626261940793026
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous vehicles are increasingly deployed in safety-critical applications, where sensing failures or cyberphysical attacks can lead to unsafe operations resulting in human loss and/or severe physical damages. Reliable real-time perception is therefore critically important for their safe operations and acceptability. For example, vision-based distance estimation is vulnerable to environmental degradation and adversarial perturbations, and existing defenses are often reactive and too slow to promptly mitigate their impacts on safe operations. We present a Resilient Autonomous Car Framework (RACF) that incorporates an Object Distance Correction Algorithm (ODCA) to improve perception-layer robustness through redundancy and diversity across a depth camera, LiDAR, and physics-based kinematics. Within this framework, when obstacle distance estimation produced by depth camera is inconsistent, a cross-sensor gate activates the correction algorithm to fix the detected inconsistency. We have experiment with the proposed resilient car framework and evaluate its performance on a testbed implemented using the Quanser QCar 2 platform. The presented framework achieved up to 35% RMSE reduction under strong corruption and improves stop compliance and braking latency, while operating in real time. These results demonstrate a practical and lightweight approach to resilient perception for safety-critical autonomous driving
• Abstract（参考訳）: 自動運転車は、障害の検知やサイバー物理的攻撃が安全でない操作につながる可能性があり、人的損失や重度の身体的損傷をもたらす。 したがって、信頼性の高いリアルタイム認識は、安全な操作と受け入れ可能性にとって極めて重要である。 例えば、視覚に基づく距離推定は環境劣化や敵の摂動に対して脆弱であり、既存の防御は反応しすぎ、安全操作に対する影響を迅速に緩和するには遅すぎる。 本稿では,物体距離補正アルゴリズム(ODCA)を組み込んだRACF(Resilient Autonomous Car Framework)を提案する。 この枠組みでは、奥行きカメラによる障害物距離推定が不整合である場合には、クロスセンサゲートが補正アルゴリズムを起動し、検出された不整合を修正する。 提案するレジリエントカーフレームワークを実験し,Quanser QCar 2プラットフォームを用いて実装したテストベッド上での性能評価を行った。 提示されたフレームワークは、強い汚職の下で最大35%のRMSE削減を実現し、リアルタイムに運用しながら、停止コンプライアンスとブレーキレイテンシを改善した。 これらの結果は、安全クリティカルな自律運転に対する弾力性知覚への実用的で軽量なアプローチを実証している。

関連論文リスト

• Dynamic Control Barrier Function Regulation with Vision-Language Models for Safe, Adaptive, and Realtime Visual Navigation [5.268770735910558]
  我々は、エゴセントリックなRGB入力を用いてCBF安全フィルタの保守性をリアルタイムで適応する視覚制御ナビゲーションフレームワークAlphaAdjを提案する。 その結果、AlphaAdjは衝突のないナビゲーションを維持しつつ、(パスの長さとゴールまでの時間の観点から)効率を最大18.5%改善していることがわかった。
  論文  参考訳（メタデータ） (2026-03-22T09:35:18Z)
• On the Assessment of Sensitivity of Autonomous Vehicle Perception [0.13858851827255522]
  自動走行の実現性は知覚システムの性能に大きく依存する。 モデルアンサンブルに基づく予測感度定量化を用いて知覚性能を評価する。 異なる路面上の停止標識におけるAVの停止距離に基づいて知覚評価基準を開発する。
  論文  参考訳（メタデータ） (2026-01-30T21:06:05Z)
• Failure Analysis of Safety Controllers in Autonomous Vehicles Under Object-Based LiDAR Attacks [0.0]
  本稿では,高速道路走行シナリオにおけるオブジェクトベースLiDAR攻撃時の安全制御装置の系統的故障解析について述べる。 その結果、LiDAR誘導の物体幻覚は、たとえ短い期間であっても、安全でないブレーキ、実際の危険に対する遅延反応、不安定な制御行動を引き起こすことが示されている。
  論文  参考訳（メタデータ） (2025-12-23T22:05:32Z)
• CARE: Decoding Time Safety Alignment via Rollback and Introspection Intervention [68.95008546581339]
  Contrastive Decodingのような既存のデコーディングタイムの介入は、安全と応答品質の間に深刻なトレードオフを強いることが多い。 本稿では,3つの重要なコンポーネントを統合した,復号時安全アライメントのための新しいフレームワークであるCAREを提案する。 このフレームワークは、安全性、品質、効率のバランスが良く、有害な応答率が低く、ユーザエクスペリエンスを最小限に破壊できる。
  論文  参考訳（メタデータ） (2025-09-01T04:50:02Z)
• Vision-based Perception for Autonomous Vehicles in Obstacle Avoidance Scenarios [0.0]
  本稿では,カメラのみの認識モジュールとFrenet-Pure Pursuitに基づく計画戦略を活用する,効率的な障害物回避パイプラインを提案する。 コンピュータビジョンの進歩を統合することで、オブジェクト検出にYOLOv11、Depth Anything V2のような最先端のモノクロ深度推定モデルを用いてオブジェクト距離を推定する。 このシステムは、大学キャンパスの様々なシナリオで評価され、様々な障害に対処し、自律的なナビゲーションを強化する効果を実証している。
  論文  参考訳（メタデータ） (2025-07-16T17:41:14Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• A Certifiable Security Patch for Object Tracking in Self-Driving Systems via Historical Deviation Modeling [22.753164675538457]
  自動運転車における物体追跡の安全性に関する最初の体系的研究について述べる。 我々は,KF(Kalman Filter)に基づくメインストリームマルチオブジェクトトラッカー(MOT)が,マルチセンサ融合機構が有効であっても安全でないことを証明した。 我々は、KFベースのMOTのための単純かつ効果的なセキュリティパッチを提案し、その中核は、KFの観測と予測に対する焦点のバランスをとるための適応戦略である。
  論文  参考訳（メタデータ） (2022-07-18T12:30:24Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)
• Automotive Radar Interference Mitigation with Unfolded Robust PCA based on Residual Overcomplete Auto-Encoder Blocks [88.46770122522697]
  自律走行では、レーダーシステムは道路上の他の車両のような標的を検出する上で重要な役割を果たす。 自動車用レーダー干渉緩和のための深層学習手法は、目標の振幅を確実に推定できるが、それぞれの目標の位相を回復できない。 干渉の有無で振幅と位相の両方を推定できる効率的かつ効率的な手法を提案する。
  論文  参考訳（メタデータ） (2020-10-14T09:41:06Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)

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。