Fugu-MT 論文翻訳(概要): Unifying Decision-Making and Trajectory-Planning in Unsignalized Intersections Using Time-Varying Potential Fields

論文の概要: Unifying Decision-Making and Trajectory-Planning in Unsignalized Intersections Using Time-Varying Potential Fields

arxiv url: http://arxiv.org/abs/2607.13626v2
Date: Wed, 22 Jul 2026 10:59:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-23 14:36:03.334158
Title: Unifying Decision-Making and Trajectory-Planning in Unsignalized Intersections Using Time-Varying Potential Fields
Title（参考訳）: 時間変化ポテンシャル場を用いた無符号断面積の統一的決定・軌道分割
Abstract要約: 本稿では,自動走行車のためのDM(Decision-Making)とTP(Trjectory Planning)を統合した新しいフレームワークを提案する。提案手法は, DMとTPを効果的に統一し, 確実かつ安全な参照軌道の生成を確実にする。
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: This paper presents a novel framework for integrated Decision-Making (DM) and Trajectory Planning (TP) for automated vehicles at unsignalized intersections. The approach leverages a Finite Horizon Optimal Control Problem (FHOCP) that employs Time-Varying Artificial Potential Fields (TV-APF). By utilizing short-horizon motion prediction and a dedicated conflict-zone occupancy coefficient, the framework suitably accounts for potential collisions within the FHOCP. The proposed method effectively unifies DM and TP, ensuring the generation of a feasible and safe reference trajectory. Simulation results in multi-vehicle traffic scenarios demonstrate the effectiveness of the approach.
Abstract（参考訳）: 本稿では,自動走行車のためのDM(Decision-Making)とTP(Trjectory Planning)を統合した新しいフレームワークを提案する。この手法は、時間可変人工電位場(TV-APF)を利用する有限水平最適制御問題(FHOCP)を利用する。短水平運動予測と専用のコンフリクトゾーン占有係数を利用することで、このフレームワークはFHOCP内の潜在的衝突を適切に説明できる。提案手法は, DMとTPを効果的に統一し, 確実かつ安全な参照軌道の生成を確実にする。マルチサイクル交通シナリオにおけるシミュレーション結果は、このアプローチの有効性を実証する。

関連論文リスト

Multimodal Trajectory Planning for Surface Vehicles using Turning Circle-based Control Barrier Functions [0.0]
提案手法は,モデル予測制御(MPC)と回転円型制御バリア関数(TC-CBF)を統合する。 TC-CBFは、表面車両の非ホロノミック運動と有限回転能力を説明する。その幾何学的定式化は、車両の旋回円に従って実現可能な回避領域を特定し、異なる左右旋回回避モードを生成する。
論文参考訳（メタデータ） (2026-08-20T01:18:07Z)
Risk-Aware Motion Planning with Learned Trajectory Primitives and Probabilistic Safety Assessment [1.6822770693792821]
安全かつ効率的な都市自律運転のための放射基底関数ネットワーク(RBFN)インフォームド・モーション・プランニング・フレームワークネットワークはgerk-minimal trajectoriesを学習し、MPCが縮小された動的に一貫した検索空間内で動作できるようにする。その結果, リスク意識の向上と, 基準法に比べて車両限界違反の低減が認められた。
論文参考訳（メタデータ） (2026-07-29T11:41:00Z)
Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
論文参考訳（メタデータ） (2026-07-22T16:37:05Z)
Proposal-Conditioned Latent Diffusion for Closed-Loop Traffic Scenario Generation [1.6711881128691604]
本稿では,インスタンス中心のシーンコンテキストとマルチモーダルな提案を前提とした拡散型シナリオ生成フレームワークを提案する。 Open Motionデータセットの実験では、さまざまなインタラクティブなシナリオにおけるリアリズム、安全性、コントロール可能性のバランスが好まれている。
論文参考訳（メタデータ） (2026-06-25T15:01:31Z)
JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems [1.9236465591431287]
本稿では,単条件軌道生成問題として参加者予測とロボット計画を扱う共同予測計画拡散フレームワークを提案する。シナリオグラウンドシミュレーション、自然主義的な歩行者リプレイ、Isaac Simバリデーション、ROS/Orinデプロイメントの実験は、共同サンプリングが尾の安全性と実行効率を改善することを示している。
論文参考訳（メタデータ） (2026-06-14T11:15:44Z)
Bridging Predictive Uncertainty and Safe Action: Sample-Conditioned Differentiable Planning for Autonomous Driving [46.91409391705346]
複雑でダイナミックでインタラクティブな運転環境は、自動運転に重大な課題をもたらす。現在のシステムにおける基本的なボトルネックは、高度に表現力のある不確実性モデリングと解釈可能な安全な動き計画との切り離しである。本稿では, このギャップを埋めるために, 拡散生成将来の軌道を最適化プロセスに明示的に組み込む, サンプル条件付き微分可能計画フレームワークを提案する。
論文参考訳（メタデータ） (2026-06-02T08:10:02Z)
Variable Time-Step MPC for Agile Multi-Rotor UAV Interception of Dynamic Targets [6.0967385124149756]
既存の非線形モデル予測制御手法を使用したアジャイルプランニングは、ますます需要が高まるにつれて計画手順の数によって制限される。本稿では,変動時間ステップを導入し,予測水平長と組み合わせることで,これらの制約に対処することを提案する。簡易な点質量運動プリミティブは、四重項力学の微分平坦性と、平坦な出力空間における可能な軌道の軌道生成を利用するために用いられる。
論文参考訳（メタデータ） (2025-03-18T11:59:24Z)
Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
論文参考訳（メタデータ） (2024-12-23T21:27:19Z)
Traj-MAE: Masked Autoencoders for Trajectory Prediction [69.7885837428344]
軌道予測は、危険を予測して信頼性の高い自動運転システムを構築する上で重要な課題である。本稿では,運転環境におけるエージェントの複雑な動作をよりよく表現する,軌道予測のための効率的なマスク付きオートエンコーダを提案する。複数エージェント設定と単一エージェント設定の両方の実験結果から,Traj-MAEが最先端手法と競合する結果が得られることが示された。
論文参考訳（メタデータ） (2023-03-12T16:23:27Z)
AI-aided Traffic Control Scheme for M2M Communications in the Internet of Vehicles [61.21359293642559]
交通のダイナミクスと異なるIoVアプリケーションの異種要求は、既存のほとんどの研究では考慮されていない。本稿では,ハイブリッド交通制御方式とPPO法を併用して検討する。
論文参考訳（メタデータ） (2022-03-05T10:54:05Z)
Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
論文参考訳（メタデータ） (2021-02-05T19:57:47Z)
Multimodal Trajectory Prediction via Topological Invariance for Navigation at Uncontrolled Intersections [45.508973373913946]
道路交差点において,信号機や信号機を使わずに複数の非通信的合理的エージェント間の分散ナビゲーションに着目した。我々の重要な洞察は、交差点の幾何学的構造と、効率的に動くエージェントのインセンティブが衝突を避け(合理性)、起こりうる行動の空間を減少させるということである。マルチエージェント交差点シーンにおける高次モードの軌道表現を再構成するデータ駆動型軌道予測機構であるMTPを設計する。
論文参考訳（メタデータ） (2020-11-08T02:56:42Z)
The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
道路にはよく定義された地形、地形、交通規則がある。本稿では,構造的事前を損失関数として組み込むことを提案する。実世界の自動運転データセットにおけるアプローチの有効性を実証する。
論文参考訳（メタデータ） (2020-06-04T03:56:11Z)

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。