論文の概要: Vision-Language Work Zone Intelligence for Safety-Critical Speed Regulation of Mixed-Autonomy Vehicles in Dynamic Environments
- arxiv url: http://arxiv.org/abs/2606.08860v1
- Date: Sun, 07 Jun 2026 22:25:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:06.492308
- Title: Vision-Language Work Zone Intelligence for Safety-Critical Speed Regulation of Mixed-Autonomy Vehicles in Dynamic Environments
- Title（参考訳）: 動的環境下における混合自律走行車の安全臨界速度制御のための視覚言語ワークゾーンインテリジェンス
- Authors: Angel Martinez-Sanchez, Kianna Ng, Wesley Maia, Laura Fleig, Maitrayee Keskar, Erika Maquiling, Yash Tandon, Parthib Roy, Mohan Trivedi, Ross Greer,
- Abstract要約: 一時的なワークゾーン速度制限は、視覚的に一貫性のないサインによって伝達され、しばしばデジタルマップから欠落する。
我々は、アクティブな作業ゾーンを検出し、関連する一時的速度制限を認識し、法に適応した作業ゾーン状態と速度値を出力するリアルタイムオンボード認識パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 2.4043325501533652
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Temporary work-zone speed limits are communicated through visually inconsistent signage and are often missing from digital maps, creating safety risks for human drivers and automated vehicle systems. We present a real-time, onboard perception pipeline that detects active work zones, recognizes associated temporary speed limits, and outputs a law-aware work-zone state and speed value suitable for driver alerts or downstream automated control. The system fuses object detections with semantic verification and temporally smoothed, hysteresis-based state transitions to reduce false activations and flicker in dynamic scenes, and runs fully on low-cost embedded hardware. Evaluated manually on a annotated subset of the ROADWork dataset (490 sequences), the system achieves inside-work-zone event-level recall of 96.5% and event-level precision of 68.7%. Speed-limit recognition evaluated on 35 minutes of in-house driving data attains 95.45% precision and 53.85% recall, with no incorrect speed classifications and a single false positive. These results demonstrate a practical, scalable approach for grounding work-zone speed awareness directly in onboard perception rather than maps or infrastructure. We release our source code for the proposed system pipeline on our GitHub repository: https://github.com/Mi3-Lab/workzone
- Abstract（参考訳）: 一時的なワークゾーンの速度制限は、視覚的に一貫性のないサインを通じて通信され、デジタルマップからしばしば欠落し、人間のドライバーや自動車両システムに対する安全性のリスクが生じる。
本稿では,アクティブな作業ゾーンを検出し,関連する一時的速度制限を認識し,運転警告や下流自動制御に適した作業ゾーン状態と速度値を出力するリアルタイムオンボード認識パイプラインを提案する。
このシステムは、オブジェクト検出を意味検証と時間的スムーズなヒステリシスベースの状態遷移と融合して、動的シーンにおける誤動作とフリックを低減し、低コストの組み込みハードウェアで完全に動作する。
ROADWorkデータセットの注釈付きサブセット(490シーケンス)で手作業で評価され、ワークゾーン内のイベントレベルのリコールは96.5%、イベントレベルの精度は68.7%である。
35分間の社内運転データで評価された速度制限認識は、95.45%の精度と53.85%のリコールを達成し、誤った速度分類と1つの偽陽性を伴わない。
これらの結果は、地図やインフラではなく、車載認識に直接ワークゾーンの速度認識を基盤として、実用的でスケーラブルなアプローチを示すものである。
提案されたシステムパイプラインのソースコードをGitHubリポジトリでリリースしています。
関連論文リスト
- Vision-Based Lane Following and Traffic Sign Recognition for Resource-Constrained Autonomous Vehicles [0.0]
本稿では,車線検出,車線追跡,交通信号認識を組み込んだ視覚ベースフレームワークを提案する。
規則に基づく操舵制御装置は、安定した車両ナビゲーションを維持するための操舵コマンドを生成する。
実験によると、システムは3.16%の最大オフセットRMSEで正確な車線追跡を維持しながら、リアルタイムのパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-04-23T20:19:32Z) - Intelligent Traffic Surveillance for Real-Time Vehicle Detection, License Plate Recognition, and Speed Estimation [0.0]
本研究では,発展途上国に適したリアルタイム交通監視システムを提案する。
YOLOv8を用いたナンバープレート検出は平均平均精度(mAP)が97.9%に達した。
速度推定はソース領域とターゲット領域を使用しており、良い性能は10km/hの誤差である。
論文 参考訳（メタデータ） (2026-01-01T13:54:29Z) - Commercial Vehicle Braking Optimization: A Robust SIFT-Trajectory Approach [6.751326589596112]
不正確な制御領域ネットワーク(CAN)信号による「ゼロスピードブレーキ」問題に対処するために、視覚に基づく軌道解析ソリューションを提案する。
このアルゴリズムはNVIDIA Jetson AGX Xavierプラットフォームを使用して、ブラインドスポットカメラからシーケンシャルなビデオフレームを処理する。
現場での展開では、偽のブレーキイベントが89%減少し、緊急ブレーキの成功率は100%、故障率は5%以下である。
論文 参考訳（メタデータ） (2025-12-21T05:06:16Z) - TARS: Traffic-Aware Radar Scene Flow Estimation [7.031882453765095]
シーンフローは、自動運転にとって重要な動き情報を提供する。
近年のLiDARシーンフローモデルでは, インスタンスレベルでの剛性運動仮定が用いられている。
本稿では,新しい交通認識レーダシーンフロー推定手法を提案する。
論文 参考訳（メタデータ） (2025-03-13T09:54:08Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - EV-Catcher: High-Speed Object Catching Using Low-latency Event-based
Neural Networks [107.62975594230687]
イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。
イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。
計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
論文 参考訳（メタデータ） (2023-04-14T15:23:28Z) - Driver Profiling and Bayesian Workload Estimation Using Naturalistic
Peripheral Detection Study Data [40.43737902900321]
性能データを駆動する作業負荷推定の問題に対処する。
心的負荷を誘発する主要な環境要因をビデオ解析により同定する。
教師付き学習フレームワークは、彼らが経験した平均的なワークロードに基づいて、プロファイルドライバに導入される。
ベイズフィルタリング手法は、ドライバーの即時作業負荷である(ほぼ)リアルタイムに逐次推定するために提案される。
論文 参考訳（メタデータ） (2023-03-26T13:15:44Z) - Real-Time Traffic End-of-Queue Detection and Tracking in UAV Video [0.13525723298325706]
本研究では,UAVが捉えたハイウェイ作業区域の映像をリアルタイムに映像化することで,交通の終端(EOQ)を検出するための概念実証を行う。
この手法は、車両のEOQを検知し、特別なイベント、交通渋滞、建設、事故によって車両が急速に蓄積している他の道路や交差点でもドライバーに通知することができる。
論文 参考訳（メタデータ） (2023-01-10T00:22:30Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:10:27Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z)
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。