論文の概要: A Multi-Sensor Dataset for Monitoring the Operational Environment of Rail Vehicles
- arxiv url: http://arxiv.org/abs/2608.04704v1
- Date: Wed, 05 Aug 2026 11:13:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.837034
- Title: A Multi-Sensor Dataset for Monitoring the Operational Environment of Rail Vehicles
- Title（参考訳）: 自動車の運転環境モニタリングのためのマルチセンサデータセット
- Abstract要約: このデータセットには、鉄道特化オブジェクトと一般認識オブジェクトの両方の700万以上の高品質アノテーションが含まれている。
最終的なデータセットはDB InfraGO AGで要求でき、鉄道領域におけるAI駆動環境監視を推進するための貴重なリソースとして機能する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Reliable environment monitoring is essential for the safe and efficient operation of automated railway systems, covering all Grades of Automation (GoA), from partially automated (GoA2) to fully automated operation (GoA4). Artificial Intelligence (AI) plays a central role in enabling these systems to detect, classify, and react to potential hazards in real time. The development of such AI-based perception systems requires large volumes of accurately annotated data for training and validation. Within the Digitale Schiene Deutschland (DSD) program, DB InfraGO AG and understandAI GmbH have developed a comprehensive multi- sensor dataset tailored to the needs of railway environment perception. This dataset contains over 7 million high-quality annotations of both railway-specific and general perception objects, captured under varying operational scenarios. The finalized dataset can now be requested at the DB InfraGO AG and serve as a valuable resource for advancing AI-driven environment monitoring in the railway domain.
- Abstract（参考訳）: 信頼性の高い環境モニタリングは、自動化システム(GoA)の安全かつ効率的な運用に不可欠であり、一部自動化(GoA2)から完全自動化(GoA4)まで、全ての自動化(GoA)をカバーしている。
人工知能(AI)は、これらのシステムがリアルタイムに潜在的な危険を検出し、分類し、反応できるようにする上で中心的な役割を果たす。
このようなAIベースの知覚システムの開発には、トレーニングと検証のために大量の正確な注釈付きデータが必要である。
Digitale Schiene Deutschland (DSD) プログラムの中で、DB InfraGO AG と understandAI GmbH は、鉄道環境の認識に合わせた総合的なマルチセンサーデータセットを開発した。
このデータセットには、さまざまな運用シナリオ下でキャプチャされた鉄道固有および一般認識オブジェクトの700万以上の高品質アノテーションが含まれている。
最終的なデータセットはDB InfraGO AGで要求でき、鉄道領域におけるAI駆動環境監視を推進するための貴重なリソースとして機能する。
関連論文リスト
- A GitOps-Driven Annotation Catalog for Fully Automatic Railway Operations [0.0]
本稿ではメタデータ管理のための革新的で軽量なGitOpsベースのアーキテクチャを紹介する。
データ・アズ・コードの原則、継続的インテグレーション/継続的デプロイメント(CI/CD)パイプライン、静的サイト生成(SSG)を活用することで、提案されたアプローチはシームレスで開発者中心のワークフローを確立する。
論文 参考訳（メタデータ） (2026-08-05T11:44:44Z) - A System for Train Condition Monitoring and Structural Health Assessment of Rail Vehicles [0.0]
本稿では、構造センサ技術とAIに基づくデータ分析を統合した、リアルタイム車両状態監視と衝撃検出のための新しいアプローチを提案する。
提案フレームワークは, 影響の自動検出, 構造的損傷, 運転時のイベントの自動検出, 連続監視による条件ベースメンテナンス, 車両設計の最適化を支援するための長期データ分析の3つの主要な応用に対処する。
論文 参考訳（メタデータ） (2026-08-05T11:01:54Z) - iVISION-2DCD: A Long-Term Change Detection Dataset for Large-Scale Outdoor Construction Monitoring [50.60358463714119]
我々は,高密度LiDAR点雲からの大規模合成データセットiVISION-2DCDを提案する。
本データセットは,建設現場における2DCDの問題点を正式に定義する。
最先端の2DCDアルゴリズムを用いたベンチマーク評価は、iVISION-2DCDが新しい研究課題をもたらすことを示す。
論文 参考訳（メタデータ） (2026-07-03T18:29:13Z) - Automated Quality Check of Sensor Data Annotations [0.0]
自動化レベルのGoA4で完全に自動化され、ドライバーレス運転を行う場合、これらのシステムは環境監視を完全に独立して行う。
このようなAIアルゴリズムをトレーニングするには、大量のトレーニングデータが必要である。
鉄道車両用マルチセンサ・データセットにおける9つの一般的な誤りを検出するためのオープンソースツールを提案する。
論文 参考訳（メタデータ） (2026-02-19T13:28:22Z) - OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis [55.390060529534644]
グラフィカルユーザインタフェース(GUI)エージェントのための新しいデータ合成パイプラインであるOS-Genesisを提案する。
事前に定義されたタスクに頼る代わりに、OS-Genesisはエージェントがまず環境を認識し、ステップワイドなインタラクションを実行することを可能にする。
我々は,OS-Genesisを用いたGUIエージェントのトレーニングにより,高度に挑戦するオンラインベンチマークの性能が大幅に向上することが実証された。
論文 参考訳（メタデータ） (2024-12-27T16:21:58Z) - Towards Scenario- and Capability-Driven Dataset Development and Evaluation: An Approach in the Context of Mapless Automated Driving [0.0]
本稿では,自動走行における環境認識のためのデータセット開発プロセスに焦点を当てる。
本稿では,データセット開発におけるシナリオと能力に基づくアプローチを提案する。
この方法論を、既存のレーン検出データセットの幅広い範囲に適用することにより、現在のデータセットにおける重要な制限を特定します。
論文 参考訳（メタデータ） (2024-04-30T15:52:49Z) - Forging Vision Foundation Models for Autonomous Driving: Challenges,
Methodologies, and Opportunities [59.02391344178202]
ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。
総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。
本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
論文 参考訳（メタデータ） (2024-01-16T01:57:24Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - The IMPTC Dataset: An Infrastructural Multi-Person Trajectory and
Context Dataset [4.413278371057897]
市内の交差点は、怪我や致命的な事故で最も重要な交通エリアである。
われわれは、ドイツのインテリジェントな公共都市交差点と視覚センサー技術を使用している。
得られたデータセットは8時間の計測データから構成される。
論文 参考訳（メタデータ） (2023-07-12T13:46:20Z) - TrainSim: A Railway Simulation Framework for LiDAR and Camera Dataset
Generation [1.2165229201148093]
本稿では,仮想環境下で現実的な鉄道シナリオを生成できる視覚シミュレーションフレームワークを提案する。
シミュレーションされたLiDARとカメラから慣性データとラベル付きデータセットを自動的に生成する。
論文 参考訳（メタデータ） (2023-02-28T11:00:13Z) - Self-Supervised Representation Learning from Temporal Ordering of
Automated Driving Sequences [49.91741677556553]
本研究では、認識タスクのための地域レベルの特徴表現を事前学習するための時間順述前文タスクであるTempOを提案する。
我々は各フレームを、オブジェクト検出やトラッキングシステムにとって自然な表現である、未順序な特徴ベクトルのセットで埋め込む。
BDD100K、nu Images、MOT17データセットの大規模な評価は、私たちのTempO事前学習アプローチがシングルフレームの自己教師型学習方法よりも優れていることを示している。
論文 参考訳（メタデータ） (2023-02-17T18:18:27Z) - Toward an AI-enabled Connected Industry: AGV Communication and Sensor Measurement Datasets [33.89321466798318]
産業用テストベッドにおける2つの無線計測キャンペーン:産業用車車間(iV2V)と産業用車間(iV2I+)について述べる。
iV2Vは、自動誘導車両(AGV)間のサイドリンク通信シナリオをカバーし、iV2I+は、自律的なクリーニングロボットがプライベートなセルネットワークに接続されている産業環境で実行される。
共通計測手法における異なるコミュニケーション技術の組み合わせは、指紋認証、視線検出、サービス品質の予測、といったタスクに機械学習(ML)が活用できる洞察を提供する。
論文 参考訳（メタデータ） (2022-12-20T15:04:20Z) - DMD: A Large-Scale Multi-Modal Driver Monitoring Dataset for Attention
and Alertness Analysis [54.198237164152786]
視覚は運転監視システム(DMS)の最も豊かで費用対効果の高い技術である
十分に大規模で包括的なデータセットの欠如は、DMS開発の進展のボトルネックとなっている。
本稿では,実運転シナリオとシミュレーション運転シナリオを含む広範囲なデータセットであるドライバモニタリングデータセット(DMD)を紹介する。
論文 参考訳（メタデータ） (2020-08-27T12:33:54Z)
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。