論文の概要: Real-Time GPU-Accelerated Monte Carlo Evaluation of Safety-Critical AEB Systems Under Uncertainty

• arxiv url: http://arxiv.org/abs/2604.27193v1
• Date: Wed, 29 Apr 2026 20:51:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.804497
• Title: Real-Time GPU-Accelerated Monte Carlo Evaluation of Safety-Critical AEB Systems Under Uncertainty
• Title（参考訳）: 不確実性下における安全臨界AEBシステムのリアルタイムGPU加速モンテカルロ評価
• Authors: Akshay Karjol, Shadi Alawneh,
• Abstract要約: 本稿では,緊急制動性能評価のためのGPUアクセラレーションモンテカルロフレームワークを提案する。 このフレームワークは、開発環境とデプロイメント環境にまたがる4つのハードウェアプラットフォームで評価されている。 その結果、Monte Carloベースの不確実性評価は、オフライン検証ツールではなく、デプロイ可能なコンポーネントとして確立された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic Emergency Braking (AEB) systems represent a safety-critical national interest, with the National Highway Traffic Safety Administration (NHTSA) Federal Motor Vehicle Safety Standard (FMVSS No. 127) requiring AEB in all new light vehicles sold in the United States by September 2029. However, production implementations frequently rely on deterministic stopping-distance or Time-to-Collision (TTC) thresholds that fail to capture uncertainty in sensing, road conditions, and vehicle dynamics. This paper presents a GPU-accelerated Monte Carlo framework for stochastic evaluation of emergency braking performance using a high-fidelity longitudinal vehicle model incorporating aerodynamic drag, road grade, brake actuator dynamics, and weight transfer effects. A one-thread-per-sample execution strategy exploits the independence of Monte Carlo rollouts, while deterministic CPU-generated sampling ensures bit-exact numerical consistency between CPU and GPU implementations. The framework is evaluated across four hardware platforms spanning development and deployment environments: two laptop GPUs (GTX 1650, RTX 5070) and two automotive-grade embedded platforms (Jetson Orin Nano, Jetson AGX Orin). Peak speedups of 54.57x are achieved while maintaining exact numerical agreement. Real-time feasibility analysis with a complete AEB timing budget (700 ms human reaction time minus 120 ms perception and 50 ms decision overhead) demonstrates that the Jetson AGX Orin can execute approximately 25,000 Monte Carlo samples within a 530 ms budget, enabling real-time probabilistic AEB evaluation as part of a complete embedded pipeline. These results establish Monte Carlo-based uncertainty evaluation as a deployable runtime component rather than an offline validation tool and provide quantitative guidance for risk-aware AEB threshold selection under the NHTSA final rule.
• Abstract（参考訳）: 国家道路交通安全局(NHTSA)連邦自動車安全基準(FMVSS No. 127)は、2029年9月までに米国で販売された全ての新しい軽自動車にAEBを必要とする。 しかしながら、生産実装はしばしば、検知、道路条件、車両力学の不確実性を捉えるのに失敗する決定論的停止距離またはTTCしきい値に依存している。 本稿では, 空力抵抗, 道路勾配, ブレーキアクチュエータダイナミックス, 重量伝達効果を組み込んだ高忠実長手車両モデルを用いて, 緊急制動性能の確率的評価を行うためのGPUアクセラレーションモンテカルロフレームワークを提案する。 1スレッド1サンプル実行戦略はモンテカルロのロールアウトの独立性を悪用し、決定論的CPU生成サンプリングによってCPUとGPU実装間のビット差の数値一貫性が保証される。 2つのラップトップGPU(GTX 1650、RTX 5070)と2つの自動車グレードの組み込みプラットフォーム(Jetson Orin Nano、Jetson AGX Orin)である。 54.57xのピークスピードアップは、正確な数値的な合意を維持しながら達成される。 完全なAEBタイミング予算(700msの人反応時間120msの認識と50msの決定オーバーヘッド)によるリアルタイム実行可能性分析は、Jetson AGX Orinが530msの予算で約25,000のモンテカルロサンプルを実行でき、完全な組込みパイプラインの一部としてリアルタイム確率的AEB評価を可能にすることを実証している。 これらの結果は,モンテカルロをベースとした不確実性評価を,オフライン検証ツールではなく,デプロイ可能なランタイムコンポーネントとして確立し,NHTSA最終ルールの下でのリスク対応AEBしきい値選択の定量的ガイダンスを提供する。

関連論文リスト

• Mind2Drive: Predicting Driver Intentions from EEG in Real-world On-Road Driving [16.534433620699435]
  本研究では、実車に統合された同期型マルチセンサプラットフォームを用いて、脳波に基づく運転意図予測フレームワークを提案し、評価する。 提案フレームワークは時間的安定性が強く,1000msまでの堅牢な復号化性能を維持した上で,最小限の劣化を回避した。 これらの知見は、現実の道路環境下での脳波に基づく運転意図復号の早期かつ安定した実現可能性を支持するものである。
  論文  参考訳（メタデータ） (2026-04-21T11:50:53Z)
• A Semantic Observer Layer for Autonomous Vehicles: Pre-Deployment Feasibility Study of VLMs for Low-Latency Anomaly Detection [0.8466401378239364]
  本稿では,一次AV制御ループと並行して1-2Hzで動作する量子視覚言語モデル(VLM)を提案する。 最適化されていないFP16ベースラインの50倍の速度で500msの推算を行う。 その結果,組込みAIAVプラットフォーム上でのセマンティックオブザーバアーキテクチャのデプロイ前実現可能性を確立した。
  論文  参考訳（メタデータ） (2026-03-30T18:14:03Z)
• LPV-MPC for Lateral Control in Full-Scale Autonomous Racing [9.974630621313315]
  本稿では横方向制御のための線形変数モデル予測制御器(LPV-MPC)を提案する。 本稿では, コントローラ設計, モデルパラメータ抽出手法, システムレベルおよび実装の重要事項について詳述する。 最終レースの結果を報告し、総合的な車両動力学分析を提供する。
  論文  参考訳（メタデータ） (2026-03-14T03:39:07Z)
• An Autonomous, End-to-End, Convex-Based Framework for Close-Range Rendezvous Trajectory Design and Guidance with Hardware Testbed Validation [3.551661404820989]
  本稿では,近距離ランデブーのための自律的,知覚可能なリアルタイム軌道設計およびガイダンスフレームワークであるCORTEXを提案する。 CORTEXは高忠実度ソフトウェアシミュレーションとハードウェア・イン・ザ・ループ実験で検証されている。
  論文  参考訳（メタデータ） (2026-02-12T21:23:21Z)
• Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail [85.47497935739936]
  Alpamayo-R1 (AR1) は、因果推論の連鎖と軌道計画を統合する視覚言語モデルである。 また,AR1は,軌道のみのベースラインに比べて,難問の計画精度が12%向上することを示した。 今後のアップデートで、AR1モデルとCoCのサブセットをリリースする予定です。
  論文  参考訳（メタデータ） (2025-10-30T01:25:34Z)
• Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
  本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。 我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
  論文  参考訳（メタデータ） (2024-06-06T09:12:30Z)
• Edge Computing-Enabled Road Condition Monitoring: System Development and Evaluation [5.296678854362804]
  リアルタイム舗装状態監視は、高速道路の機関にタイムリーかつ正確な情報を提供する。 既存の技術は手動のデータ処理に大きく依存しており、高価であるため、頻繁なネットワークレベルの舗装状態監視のためにスケールするのが困難である。 本研究では,安価なマイクロエレクトロメカニカルシステム(MEMS)センサ,エッジコンピューティング,マイクロコントローラのインターネット接続機能を活用したソリューションを提案する。
  論文  参考訳（メタデータ） (2023-10-09T00:55:41Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts? [104.04999499189402]
  トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。 インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。 提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。 分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
  論文  参考訳（メタデータ） (2020-06-26T11:07:32Z)

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。