論文の概要: From Nominal Intensity to Equivalent Rainfall: A Path-Based Credibility Evaluation Framework for Simulated Rainfall in Autonomous-Driving Perception Tests
- arxiv url: http://arxiv.org/abs/2606.11989v1
- Date: Wed, 10 Jun 2026 12:13:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.442894
- Title: From Nominal Intensity to Equivalent Rainfall: A Path-Based Credibility Evaluation Framework for Simulated Rainfall in Autonomous-Driving Perception Tests
- Title（参考訳）: 固有強度から等価降雨: 自律運転型知覚テストにおける降雨シミュレーションのためのパスベース信頼性評価フレームワーク
- Authors: Tian Xia, Xin Zhao, Shaolingfeng Ye, Junyi Chen,
- Abstract要約: 本稿では,自律走行認識テストにおける降雨シミュレーションのための経路に基づく信頼度評価手法を提案する。
実際の降雨・降雨・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降
- 参考スコア（独自算出の注目度）: 10.86489435788664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Credible simulated-rainfall conditions are essential for identifying perception-system boundaries and supporting SOTIF-oriented risk assessment in automated driving. However, closed-field tests are often described only by nominal rainfall intensity or single-point measurements, making it difficult to align simulated rain fields with real rainfall and map test results to real-world scenarios. This paper proposes a path-based credibility evaluation method for simulated rainfall in autonomous-driving perception tests. Using the drop size and velocity joint distribution of real rainfall as the reference, each candidate path is represented by path-equivalent rainfall intensity, an uncertainty band, and a path-averaged Realism of Raindrop Distribution (RRD) score. Lidar target point-cloud count and mean reflectivity are further used for perception-consistency correction, quantifying the proxy capability of each simulated-rainfall path for real-rainfall perception effects. Experiments are conducted using about 10,000 real-rainfall raindrop-spectrum samples, 728 RainSense perception samples, and 45 spatial sampling points in a 2.4 m x 7.2 m simulated-rainfall area. Results show that spatial non-uniformity remains under the same nominal condition, confirming the need for path-based evaluation. The method identifies Path IV and Path VI as preferable candidates, with results of 11.54 +/- 0.31 mm/h, RRD = 0.43, and 8.28 +/- 0.34 mm/h, RRD = 0.46, respectively. These paths show more balanced performance in rainfall-intensity stability, raindrop-spectrum realism, and perception consistency. The proposed method supports path selection, condition description, and credible interpretation of autonomous-driving perception tests under rainfall.
- Abstract（参考訳）: 認識システム境界の同定と自動運転におけるSOTIF指向のリスクアセスメントを支援するためには, クレディブル・シミュレート・レインフォール条件が不可欠である。
しかしながら、クローズドフィールドテストはしばしば名目上の降雨強度や単一点測定によってのみ記述されるため、シミュレーションされた雨田を実際の降雨と整合させることが困難であり、テスト結果が実世界のシナリオにマップされる。
本稿では,自律走行認識テストにおける降雨シミュレーションのための経路に基づく信頼度評価手法を提案する。
実降雨の降水量と速度結合分布を基準として,各候補経路は,経路等価降水量,不確実帯,平均降水量分布(RRD)スコアで表される。
ライダー目標点雲数と平均反射率を知覚一貫性補正にさらに利用し, 実線落下知覚効果に対する各模擬降下経路のプロキシ能力の定量化を行った。
実際の降雨・降雨・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降水・降
その結果,空間的非均一性は同じ条件のままであり,経路に基づく評価の必要性が確認された。
この方法は、Path IV と Path VI をそれぞれ 11.54 +/- 0.31 mm/h, RRD = 0.43, 8.28 +/- 0.34 mm/h, RRD = 0.46 の候補として識別する。
これらの経路は、降雨-強度安定性、雨滴-スペクトルリアリズム、知覚整合性において、よりバランスのとれた性能を示す。
提案手法は,降雨時の自動認識テストの経路選択,条件記述,信頼性解釈を支援する。
関連論文リスト
- Learning Displacement-Robust Representations for Landslide Early Warning under Rainfall Forecast Uncertainty [6.244816393907942]
リアルタイム災害監視のための地すべり早期警報システム(LEWS)は,近未来の地すべりリスクを見積もる必要がある。
近年の地すべり予測手法は,統計的および深層学習手法を用いて予測性能を向上した。
しかし、運用環境では、地すべり予測は降雨の予測に依存しており、しばしば降雨場の空間的変位を含む。
論文 参考訳（メタデータ） (2026-05-17T12:32:31Z) - Uncertainty-Aware Adaptive Dynamics For Underwater Vehicle-Manipulator Robots [0.5161531917413708]
本稿では,新しい不確実性を考慮した適応力学モデルフレームワークを提案する。
オンライン推定中に、凸的な物理的一貫性の制約を埋め込む。
4-DOFマニピュレータを搭載したBlueROV2ヘビーの実験は、急速に収束し、キャリブレーションされた予測を示す。
論文 参考訳（メタデータ） (2026-03-06T18:35:48Z) - 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) - TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。
その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。
提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
論文 参考訳（メタデータ） (2024-03-15T03:27:39Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Predicting Road Flooding Risk with Machine Learning Approaches Using
Crowdsourced Reports and Fine-grained Traffic Data [1.0554048699217669]
本研究の目的は,機械学習モデルを用いて地形,水文,時間的降水特性に基づいて,道路浸水リスクを予測することである。
ハリケーン・ハービーの発見は、降水が道路の浸水感受性を予測する上で最も重要な特徴であることを示している。
本研究は,道路レベルでの予測的洪水リスクマッピングの観点から,スマートフラッドレジリエンスの新たな分野を推し進めるものである。
論文 参考訳（メタデータ） (2021-08-30T14:25:58Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Probabilistic Rainfall Estimation from Automotive Lidar [1.0499611180329804]
本研究は,自動車のライダーポイント雲列から降雨率を推定する確率的階層ベイズモデルを提案する。
その結果,ディドロメータの測定解像度に匹敵する予測精度と,不確実性推定の健全性と有用性を示した。
論文 参考訳（メタデータ） (2021-04-23T08:35:54Z) - Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。
具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。
ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
論文 参考訳（メタデータ） (2021-03-14T14:28:57Z) - From Rain Generation to Rain Removal [67.71728610434698]
雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。
降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。
総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
論文 参考訳（メタデータ） (2020-08-08T18:56:51Z)
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。