論文の概要: Hybrid A*-Based Reverse Path-Planning of a Vehicle with Trailer System

• arxiv url: http://arxiv.org/abs/2604.24606v1
• Date: Mon, 27 Apr 2026 15:32:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:08.121215
• Title: Hybrid A*-Based Reverse Path-Planning of a Vehicle with Trailer System
• Title（参考訳）: トレーラシステムを用いたハイブリッドA*逆経路平滑化
• Authors: Xincheng Cao, Haochong Chen, Bilin Aksun-Guvenc, Levent Guvenc, Brian Link, Peter J Richmond, Dokyung Yim, Shihong Fan, John Harber,
• Abstract要約: 本稿では,車両トレーラシステムと衝突回避を考慮したハイブリッドA*アルゴリズムを提案する。 提案手法の新たな特徴の1つは、トレーラーシステムによる車両への適応性であり、システム構成に関して、ジャックナイフインシデントの発生を防止するための、使用可能なステアリング入力の制限が異なることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reverse parking maneuvering of a vehicle with trailer system is a difficult task to complete for human drivers due to the multi-body nature of the system and the unintuitive controls required to orientate the trailer properly. The problem is complicated with the presence of other vehicles that the trailer and its connected vehicle must avoid during the reverse parking maneuver. While path planning methods in reverse motion for vehicles with trailers exist, there is a lack of results that also offer collision avoidance as part of the algorithm. This paper hence proposes a modified Hybrid A*-based algorithm that can accommodate the vehicle-trailer system as well as collision avoidance considerations with the other vehicles and obstacles in the parking environment. One of the novelties of this proposed approach is its adaptability to the vehicle with trailer system, where limits of usable steering input that prevent the occurrence of jackknife incidents vary with respect to system configuration. The other contribution is the addition of the collision avoidance functionality which the standard Hybrid A* algorithm lacks. The method is developed and presented first, followed by simulation case studies to demonstrate the efficacy of the proposed approach.
• Abstract（参考訳）: トレーラーシステムを備えた車両の逆駐車操作は、システムの多体性やトレーラーを適切に指向させるのに必要な直感的な制御のために、人間のドライバーにとって完成させるのが難しい作業である。 問題は、トレーラーと接続された車両が逆の駐車操作中に避けなければならない他の車両の存在と複雑である。 トレーラー付き車両の逆運動における経路計画法は存在するが、アルゴリズムの一部として衝突回避を提供する結果が不足している。 そこで本研究では,車両・トレーラシステムに適応し,他の車両との衝突回避や駐車環境の障害物を考慮したハイブリッドA*アルゴリズムを提案する。 提案手法の新たな特徴の1つは、トレーラーシステムによる車両への適応性であり、システム構成に関して、ジャックナイフインシデントの発生を防止するための、使用可能なステアリング入力の制限が異なることである。 もう1つの貢献は、標準ハイブリッドA*アルゴリズムに欠けている衝突回避機能の追加である。 提案手法をまず開発,提示し,続いてシミュレーションケーススタディを用いて提案手法の有効性を実証した。

関連論文リスト

• Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control [0.82208199207543]
  本稿では,自動車,特にトラクタ・セミトララーの軌道計画手法を提案する。 MPCCは旅客車に有効であることが証明されているが、一般的にはトラクター・セミトララーに不適である。
  論文  参考訳（メタデータ） (2026-04-27T05:40:01Z)
• Modified Hybrid A* Collision-Free Path-Planning for Automated Reverse Parking [0.0]
  狭い空間に車両を駐車することは、衝突のない実現可能な経路が不足しているため、困難な作業である。 本稿では,Hybrid-A*パス計画アルゴリズムを用いて,このような操作に対処する戦略を提案する。
  論文  参考訳（メタデータ） (2025-12-12T20:28:44Z)
• Predicting Road Surface Anomalies by Visual Tracking of a Preceding Vehicle [1.757194730633422]
  先行車両の視覚的追跡により路面異常を検出する新しい手法を提案する。 この方法は万能で、穴、バンプ、破片など、あらゆる種類の道路異常を予測できる。
  論文  参考訳（メタデータ） (2025-05-07T13:17:05Z)
• 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)
• Pioneering SE(2)-Equivariant Trajectory Planning for Automated Driving [45.18582668677648]
  制御されたエゴ車両の軌道を計画することは、自動走行において重要な課題である。 本稿では,全車両に対して多モード共同予測を生成する軽量同変計画モデルを提案する。 また,車載GPSナビゲーションシステムによって提供される高水準経路に沿って,エゴ車両を誘導する等変経路アトラクションを提案する。
  論文  参考訳（メタデータ） (2024-03-17T18:53:46Z)
• RACE-SM: Reinforcement Learning Based Autonomous Control for Social On-Ramp Merging [0.0]
  既存の非学習ベースの車両制御ソリューションは主にルールと最適化に依存している。 近年のDeep Reinforcement Learningの進歩は、将来性を示し、学術的な関心を集めている。 エゴ車とその周辺車両の実用性を明確に考慮した,アクセラレーションと車線変更決定のための新しい学習ベースモデル。
  論文  参考訳（メタデータ） (2024-03-05T23:03:56Z)
• The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
  我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。 異なる統合原則の意味、強み、限界について論じる。
  論文  参考訳（メタデータ） (2023-08-10T17:53:03Z)
• Unified Automatic Control of Vehicular Systems with Reinforcement Learning [64.63619662693068]
  本稿では,車載マイクロシミュレーションの合理化手法について述べる。 最小限の手動設計で高性能な制御戦略を発見する。 この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
  論文  参考訳（メタデータ） (2022-07-30T16:23:45Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• Path Planning Followed by Kinodynamic Smoothing for Multirotor Aerial Vehicles (MAVs) [61.94975011711275]
  そこで本稿では,RRT*textquotedblrightのテキストを幾何学的にベースとした動き計画手法を提案する。 提案手法では,適応探索空間とステアリング機能を導入したオリジナルのRT*を改良した。 提案手法を様々なシミュレーション環境で検証した。
  論文  参考訳（メタデータ） (2020-08-29T09:55:49Z)

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。