論文の概要: Spatiotemporal Tube-Based Safety-Certificate for Autonomous Navigation of Articulated Vehicles

• arxiv url: http://arxiv.org/abs/2608.14531v1
• Date: Fri, 14 Aug 2026 17:48:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.461767
• Title: Spatiotemporal Tube-Based Safety-Certificate for Autonomous Navigation of Articulated Vehicles
• Title（参考訳）: 人工車両の自律走行のための時空間管型安全証明書
• Abstract要約: 自動誘導車両(AGV)を牽引するトラクターセミトレーラートラックトレーラーのような車両の自律走行計画 本稿では,自動誘導車両(AGV)を牽引するトラクターセミトレーラートレーラートレーラートレーラーのような車両の自律走行計画のためのチューブ方式のアプローチを提案する。
• 参考スコア（独自算出の注目度）: 2.4919077201316067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Articulated vehicles are the workhorses of freight transportation, and their autonomous navigation is challenging. Their physical characteristics and motion constraints pose significant challenges in manoeuvring these vehicles on narrow routes. This paper presents a spatiotemporal tube-based approach to plan autonomous navigation of vehicles like tractor semi-trailers, truck/ tractor trailers, towing Automated Guided Vehicles (AGVs), and road trains. This planning approach provides a certified path plan for the truck or tractor, ensuring that the towed series of trailers always remains within the road corridor, limited by permissible corrections. The planning leverages the kinematics of the linked elements along with sway constraints to arrive at a safe tube for the actuated prime mover. We modify the spatiotemporal tube using permissible corrections to provide a route safety certificate to the vehicle for the given route. The proposed planning method is verified on a truck-trailer navigation simulation for a complex route.
• Abstract（参考訳）: アーティキュレートされた車両は貨物輸送の作業場であり、その自律的なナビゲーションは困難である。 それらの物理的特性と運動の制約は、これらの車両を狭いルートで操作する上で大きな課題となる。 本稿では,トラクタ・セミトレーラ,トラック・トラクタトレーラー,自動誘導車両(AGV),路面電車などの車両の自律走行計画のための時空間管型アプローチを提案する。 この計画手法は、トラックまたはトラクターに認定された経路計画を提供し、牽引された一連のトレーラーが常に道路の廊下に留まることを保証し、許容可能な修正によって制限される。 この計画では、連結要素のキネマティクスとスウェイの制約を利用して、作動する素移動器の安全なチューブに到達する。 本研究では,各経路の車両に経路安全証明書を提供するため,許容補正を用いて時空間管を修正した。 複雑な経路に対するトラックトレーラナビゲーションシミュレーションにおいて,提案手法を検証した。

関連論文リスト

• Parking Assistance for Trailer-Truck Transport Vehicles Using Sensor Fusion and Motion Planning [0.0]
  駐車のような低速運転は、自律システムにとって最も困難な課題である。 本稿では、認識、運動計画、制御システム、インフラ認識を統合した自動トラック駐車のための枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-04T15:18:39Z)
• Hybrid A*-Based Reverse Path-Planning of a Vehicle with Trailer System [0.0]
  本稿では,車両トレーラシステムと衝突回避を考慮したハイブリッドA*アルゴリズムを提案する。 提案手法の新たな特徴の1つは、トレーラーシステムによる車両への適応性であり、システム構成に関して、ジャックナイフインシデントの発生を防止するための、使用可能なステアリング入力の制限が異なることである。
  論文  参考訳（メタデータ） (2026-04-27T15:32:05Z)
• Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control [0.82208199207543]
  本稿では,自動車,特にトラクタ・セミトララーの軌道計画手法を提案する。 MPCCは旅客車に有効であることが証明されているが、一般的にはトラクター・セミトララーに不適である。
  論文  参考訳（メタデータ） (2026-04-27T05:40:01Z)
• Lunar Rover Cargo Transport: Mission Concept and Field Test [42.80839419610456]
  ローバーは、ピックアップと配送を成功させるために、貨物を小さな許容範囲内で自律的に駐車できなければならない。 ワントン・パス・ツー・フライ・ローバーは、安全な経路のネットワークを作るための半自律遠隔制御モードで駆動された。 クローズドループの性能は、車両を貨物に合わせるのに十分正確である。
  論文  参考訳（メタデータ） (2026-01-06T19:16:55Z)
• FlowDrive: Energy Flow Field for End-to-End Autonomous Driving [50.89871153094958]
  FlowDriveは、物理的に解釈可能なエネルギーベースのフローフィールドを導入し、セマンティックな前提と安全性をBEV空間にエンコードする新しいフレームワークである。 NAVSIM v2ベンチマークの実験では、FlowDriveが最先端のパフォーマンスを86.3で達成し、安全性と計画品質の両方において以前のベースラインを超えたことが示されている。
  論文  参考訳（メタデータ） (2025-09-17T13:51:33Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• UAV-based Intelligent Information Systems on Winter Road Safety for Autonomous Vehicles [2.1985100893513834]
  限られた車線幅は、道路の容量を減らし、自動運転車による深刻な事故のリスクを高めることができる。 本研究では,無人航空機と自律走行車の観点から道路幅を区分し,推定するモデルを提案する。 提案するアプローチは、自動運転車に最新かつ正確な洞察を与え、冬の風景における適応性と意思決定能力を高めるために必要である。
  論文  参考訳（メタデータ） (2024-06-18T07:53:37Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
  運転環境の要素が道路ルールの出現の原因となるかを分析する。 2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。 我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
  論文  参考訳（メタデータ） (2020-11-21T09:43:50Z)

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。