論文の概要: Importance of Intent-Sharing for V2X-based Maneuver Coordination

• arxiv url: http://arxiv.org/abs/2606.24203v1
• Date: Tue, 23 Jun 2026 06:42:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.806121
• Title: Importance of Intent-Sharing for V2X-based Maneuver Coordination
• Title（参考訳）: V2X型マニキュアコーディネーションにおけるインテント共有の重要性
• Authors: Rafael Molina-Masegosa, Sergei S. Avedisov, Miguel Sepulcre, Javier Gozalvez, Yashar Z. Farid, Onur Altintas,
• Abstract要約: インテント共有は、リモート車両がエゴ車両と計画を直接通信することで達成できる。 高速道路シナリオにおける車線変更の協調効果を比較することで,意図共有の可能性を分析する。 我々の分析では、CAVが近くの車両の運転意図に直接アクセスできる場合、操縦調整の大幅な改善が2つのシナリオで示されている。
• 参考スコア（独自算出の注目度）: 5.02193210755999
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper examines the critical role of intent-sharing in enabling effective maneuver coordination for connected and automated vehicles (CAVs). Successful maneuver coordinations require vehicles to accurately know other vehicles' driving intentions. Intent-sharing can be achieved by the remote vehicles directly communicating their plans with the ego vehicle, as opposed to the ego vehicle predicting the trajectory on the remote vehicles' behalf. In this paper, we investigate the potential of intent-sharing on maneuver coordination effectiveness by quantifying the percentage of successful coordinations. We analyze the potential of intent-sharing by comparing its effectiveness for coordinated lane changes in a highway scenario with the effectiveness of a trajectory prediction method based on current kinematic data. Our analysis demonstrates in two scenarios substantial improvements in maneuver coordination when CAVs have direct access to the nearby vehicles' driving intentions through intent sharing. These findings highlight the importance of including intent-sharing in the maneuver coordination protocol.
• Abstract（参考訳）: 本稿では,コネクテッド・オートマチック・カー(CAV)の効果的な操縦調整を実現する上で,意図共有が果たす重要な役割について考察する。 機動調整を成功させるには、他の車両の運転意図を正確に知る必要がある。 遠方車両は、遠方車両に代わって軌道を予測するエゴ車両とは対照的に、遠方車両が自車と直接通信する。 本稿では, 調整成功率の定量化により, 調整効率における意図共有の可能性について検討する。 本研究では,高速道路シナリオにおける車線調整の有効性と,現在の運動データに基づく軌道予測手法の有効性を比較して,意図共有の可能性について分析する。 我々の分析は、CAVが意図を共有することで、近くの車両の運転意図に直接アクセスできる場合、操縦調整の大幅な改善を2つのシナリオで示している。 これらの知見は,オペレーショナルコーディネートプロトコルにおける意図共有の重要性を浮き彫りにした。

関連論文リスト

• Multi-Target Maneuver Coordinations: Unlocking Coordination Opportunities in Connected Automated Driving [6.284195585770223]
  本稿では,多目的選択に基づく操作調整手法を提案する。 与えられた操作のために、車両は複数の潜在的な調整車両を識別し、選択することができる。 その結果, 複数ターゲットの操作調整はトリガを著しく増加させ, 実行された調整を成功させることができた。
  論文  参考訳（メタデータ） (2026-06-20T14:14:19Z)
• Multi-Agent Embodied Autonomous Driving: From V2X Information Exchange to Shared World Models [16.06080006560829]
  自律運転は、孤立した車両の知性から、不確実性の下で知覚、推論意図、協調行動を共有するマルチエージェント・エンボディシステムへとシフトしている。 車両間通信(V2X)、協調認識、エージェント間認知、協調計画、エンドツーエンド協調運転、クローズドループ検証のためのシミュレーションとデータエンジンを含む380以上の出版物をレビューする。
  論文  参考訳（メタデータ） (2026-06-11T19:10:13Z)
• Multi-agent DRL-based Lane Change Decision Model for Cooperative Planning in Mixed Traffic [16.52175719220115]
  連結された自動車両(CAV)は互いに通信し、協調的な小隊化を可能にする能力を持っている。 CAVの配備の初期段階において、人力車両間でのCAVのスパース分布は、効果的な協調型プラトンを形成する可能性を減らす。 本研究は, 協調型小隊におけるCAV参加の促進を目的としたハイブリッドマルチエージェント車線変更決定モデルを提案する。
  論文  参考訳（メタデータ） (2026-01-16T22:22:05Z)
• A Human-Oriented Cooperative Driving Approach: Integrating Driving Intention, State, and Conflict [50.983743505985956]
  我々は,より自然で効果的な人間-車間相互作用を確立するために,Human-Oriented Cooperative Driving (HOCD) アプローチを提案する。 実装においては、シームレスな人車連携を確保するため、戦術レベルと運用レベルを考慮に入れます。 他の協調運転法と比較して,提案手法は運転性能を著しく向上し,人間と機械の衝突を緩和する。
  論文  参考訳（メタデータ） (2025-12-29T05:51:00Z)
• UNCAP: Uncertainty-Guided Planning Using Natural Language Communication for Cooperative Autonomous Vehicles [79.10221881250759]
  不確実性誘導自然言語協調自律計画(UNCAP)は、視覚言語モデルに基づく計画手法である。 CAVは、意思決定における認識の不確実性を明示的に考慮しながら、軽量な自然言語メッセージを介して通信することができる。 多様な運転シナリオに対する実験では、通信帯域幅が63%減少し、運転安全スコアが31%増加し、決定の不確実性が61%減少し、衝突距離マージンが4倍増加した。
  論文  参考訳（メタデータ） (2025-10-14T21:09:09Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• Intent-Aware Autonomous Driving: A Case Study on Highway Merging Scenarios [7.298673108358943]
  我々は、自動運転車エージェント間の協力を促進する手段として、意図のコミュニケーションを利用する。 我々は高速道路のシミュレーターにおける統合環境上の意図共有タスクとしてこれを実装した。
  論文  参考訳（メタデータ） (2023-09-22T23:02:21Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• Vehicular Cooperative Perception Through Action Branching and Federated Reinforcement Learning [101.64598586454571]
  強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。 車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。 その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
  論文  参考訳（メタデータ） (2020-12-07T02:09:15Z)

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。