論文の概要: Hybrid Machine Learning for Articulation Angle Estimation of Truck-Semitrailer Combinations

• arxiv url: http://arxiv.org/abs/2607.16758v1
• Date: Sat, 18 Jul 2026 10:48:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.254515
• Title: Hybrid Machine Learning for Articulation Angle Estimation of Truck-Semitrailer Combinations
• Title（参考訳）: ハイブリッド機械学習によるトラック・セミタレーラの組み合わせのアーチゲーション角推定
• Authors: Qixuan Zhang, Jonas Boettcher, Simon F. G. Ehlers, Marvin Stuede,
• Abstract要約: 本稿では,視覚入力と運動入力から直接調音角度を推定する学習モデルを提案する。 提案手法は,実装要件の低減と実用的展開の利点を維持しつつ,正確かつ信頼性の高い調音角推定を実現する。
• 参考スコア（独自算出の注目度）: 5.3566955712287205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate articulation angle estimation of trucks with trailers is critical for autonomous driving and advanced driver assistance system (ADAS). Existing methods either require manual initialization, additional sensors, or prior knowledge and signals from trailers, or they lack real-world validation, limiting practical deployment. This paper presents multiple learning-based models to directly estimate articulation angles from visual and kinematic inputs, eliminating the need for dedicated driving maneuvers for initialization, bounding box annotations, trailer-mounted sensor signals, or prior knowledge of trailer parameters. Two learning-based models are integrated with a kinematic model within an extended Kalman filter (EKF) framework, and an adaptive weighting scheme based on uncertainty quantification is applied for measurements involving visual input. Extensive real-world experiments with different trailer types demonstrate the approaches' robustness and generalization under out-of-domain conditions, including new trailers, varying colors, and lighting conditions. Results show that the hybrid method achieves accurate and reliable articulation angle estimation while maintaining reduced implementation requirements and practical deployment advantages.
• Abstract（参考訳）: トレーラー付きトラックの正確な調音角推定は、自律走行と高度運転支援システム(ADAS)にとって重要である。 既存の方法は手動初期化、追加センサー、トレーラーからの事前の知識と信号を必要とするか、現実の検証に欠け、実際の配備を制限している。 本稿では,初期化,ボックスアノテーションのバウンディング,トレーラ搭載センサ信号,トレーラパラメータの事前知識などのための専用運転操作の必要性を排除し,視覚的および運動的入力から調音角を直接推定する学習モデルを提案する。 2つの学習モデルが拡張カルマンフィルタ(EKF)フレームワーク内でキネマティックモデルと統合され、視覚入力を含む測定に不確実性量化に基づく適応重み付けスキームが適用される。 異なるトレーラータイプによる大規模な実世界の実験は、新しいトレーラー、様々な色、照明条件を含むドメイン外の条件下でのアプローチの堅牢性と一般化を実証している。 提案手法は,実装要件の低減と実用的展開の利点を維持しつつ,正確かつ信頼性の高い調音角推定を実現する。

関連論文リスト

• Improving path-tracking performance of an articulated tractor-trailer system using a non-linear kinematic model [0.0]
  本稿では, トラクタ・トレーラシステムの非線形数学的モデルを提案する。 調音システムにおける経路追跡タスクの性能向上に利用することができる。
  論文  参考訳（メタデータ） (2026-06-30T16:01:29Z)
• Effective Multi-sensor Conditioning for Street-view Novel-view Synthesis [53.67632483195509]
  ビデオ拡散フレームワークであるStreetNVSを紹介する。 我々は,高架,車線シフト,引き戻し,回転などの極端な軌道外経路に沿ってコヒーレントな映像を合成する能力を示す。
  論文  参考訳（メタデータ） (2026-06-01T02:37:56Z)
• Mind the Hitch: Dynamic Calibration and Articulated Perception for Autonomous Trucks [7.0536813329377]
  dCAPは、トラクタとトレーラーカメラの間の6自由度(自由度)の相対的なポーズを継続的に推定するビジョンベースのフレームワークである。 BEVFormerと統合されたdCAPは、静的キャリブレーションを動的に予測外在物に置き換えることで、3Dオブジェクトの検出を改善する。 実験では、自律トラックにおける静的キャリブレーションの限界に対処しながら、dCAPが安定かつ正確な知覚を達成することを示した。
  論文  参考訳（メタデータ） (2026-03-24T20:55:16Z)
• AME-2: Agile and Generalized Legged Locomotion via Attention-Based Neural Map Encoding [13.367858405827926]
  AME-2はアジャイルと一般化された移動のための統合強化学習フレームワークである。 コントロールポリシーには、新しいアテンションベースのマップエンコーダが組み込まれている。 パイプラインは並列シミュレーションとも統合されており、オンラインマッピングでコントローラをトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2026-01-13T12:18:50Z)
• SEPT: Towards Efficient Scene Representation Learning for Motion Prediction [19.111948522155004]
  本稿では,自己教師付き学習を活用し,複雑な交通シーンのための強力なモデルを開発するためのモデリングフレームワークSEPTを提案する。 実験により、SEPTはアーキテクチャ設計や機能エンジニアリングを伴わず、Argoverse 1 と Argoverse 2 のモーション予測ベンチマークで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-09-26T21:56:03Z)
• Automated Static Camera Calibration with Intelligent Vehicles [58.908194559319405]
  自動ジオレファレンスカメラキャリブレーションのためのロバストキャリブレーション法を提案する。 本手法では, フィルタ/RTK受信機と慣性測定ユニット(IMU)を組み合わせたキャリブレーション車両が必要である。 我々の手法は、インフラと車両の両方で記録された情報と人間との相互作用を一切必要としない。
  論文  参考訳（メタデータ） (2023-04-21T08:50:52Z)
• One-shot Learning for Autonomous Aerial Manipulation [0.9137554315375919]
  本稿では,空中操作作業のための伝達可能な接触モデルについて述べる。 本研究では,無人航空機とケーブル吊り下げ式受動グリップを用いた接触型アプローチを用いて,航空輸送用の新しいペイロードのアタッチポイントを計算した。 実験により,本手法により生じる接触は,輸送作業におけるペイロードの制御性が向上することが示された。
  論文  参考訳（メタデータ） (2022-06-03T06:49:22Z)
• Self-Supervised Steering Angle Prediction for Vehicle Control Using Visual Odometry [55.11913183006984]
  視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。 車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-20T16:29:01Z)

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。