論文の概要: CARE: Camera-Residual Reserves for First Sightings in Adaptive LiDAR Sensing

• arxiv url: http://arxiv.org/abs/2608.24282v1
• Date: Tue, 25 Aug 2026 09:06:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.909015
• Title: CARE: Camera-Residual Reserves for First Sightings in Adaptive LiDAR Sensing
• Title（参考訳）: CARE:アダプティブLiDARセンシングにおけるファーストセッティングのためのカメラレスリザーブ
• Abstract要約: 既存のLiDARスキャンポリシーは過去のトラックに依存しているため、未確認のオブジェクトは遅く検出されるか見逃される。 本稿では,CARE(CAmera-Residual Reserve)について紹介する。これは,トラック予測では説明できない電流検出方向の固定線予算の一部を予約する,トレーニング不要なアロケーションルールである。 CAREは歴史政策の10%、20%、および35%の予算で5.2、5.2、および4.3ポイント、対の間隔をゼロに設定している。
• 参考スコア（独自算出の注目度）: 6.1365979469815555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adaptive LiDAR scanning concentrates a limited sensing budget on regions of interest predicted from past object tracks, lowering data volume in autonomous driving while maintaining detection accuracy. However, existing scanning policies face three challenges. First, history-driven approaches depend on past tracks, so unseen objects are detected late or missed. Second, random or uniform sampling outside the predicted regions has no awareness of where new objects appear. Third, camera-guided alternatives spend budget on all camera detections, resampling objects already covered, costing recall in crowded scenes and range when budgets are scarce. This paper introduces the CAmera-REsidual reserve (CARE), a training-free allocation rule that reserves part of a fixed ray budget for the directions of current camera detections that the track forecasts cannot explain; the rest follows the base history policy, and unused reserve returns to a random floor. The paper makes three contributions. First, a leakage-free ray-budget evaluation on nuScenes (150 scenes, 4,148 events) measuring the first-sighting loss of history-driven scanning, with a strict-causal variant using the preceding keyframe. Second, CARE raises first-sighting recall by 5.2, 5.2, and 4.3 points at 10%, 20%, and 35% budgets over the history policy, with paired intervals excluding zero; the camera cue drives this gain, and the first-sighting versus overall trade-off is a budget-dependent Pareto choice. Third, a safety-bounded forgetting module that releases budget from receding or static tracks beyond a speed-dependent guard distance; at tight budgets, forgetting without the guard significantly harms near-field recall, so the guard is what keeps it safe. The pipeline runs end to end on a real vehicle and, in closed-loop simulation, detects an occluded pedestrian earlier and brakes more reliably than history-driven scanning.
• Abstract（参考訳）: 適応LiDARスキャンは、過去のオブジェクトトラックから予測された関心領域に対する限られた検知予算を集中させ、検出精度を維持しながら、自動運転におけるデータボリュームを低下させる。 しかし、既存のスキャンポリシーは3つの課題に直面している。 まず、履歴駆動のアプローチは過去のトラックに依存するため、目に見えないオブジェクトは遅く検出されるか、見逃される。 第二に、予測された領域の外のランダムまたは均一なサンプリングは、新しいオブジェクトがどこに現れるのかを意識しない。 第三に、カメラを誘導する代替手段は、すべてのカメラ検出に予算を費やし、既にカバーされている物体を再サンプリングし、予算が不足している場合には、混雑したシーンや範囲をリコールする。 本稿では,CARE(CAmera-Residual Reserve)について紹介する。これは,トラック予測が説明できない方向の固定光線予算の一部を予約する,トレーニング不要なアロケーションルールであり,残りは基本履歴ポリシーに従い,未使用のリザーブはランダムなフロアに戻る。 論文には3つの貢献がある。 第一に,前者のキーフレームを用いた厳密な因果的変種を用いて,履歴駆動型スキャンの第一監視損失を計測したnuScenes(150のシーン,4,148のイベント)のリークフリーレイ・バジェット評価を行った。 第二に、CAREは歴史政策の10%、20%、および35%の予算で5.2、5.2、および4.3ポイントの初監視リコールを上昇させ、ゼロを除いた間隔をペアに設定している。 第3に、速度依存のガード距離を超えて後退線や静止線から予算を解放する安全拘束型忘れモジュール。 パイプラインは実際の車両上で終端から終端まで走り、クローズドループシミュレーションでは、障害物のある歩行者を早期に検出し、歴史駆動のスキャンよりも確実にブレーキをブレーキする。

関連論文リスト

• Toward Integrating Adaptive Experience Replay and Online Uncertainty Estimation in Safe Actor-Critic Optimal Control [0.0]
  本研究では,制御バリア関数が使用する障害物形状を不確実性推定により更新する統合アーキテクチャを開発する。 本研究では,2次元ロボットナビゲーションタスクのアーキテクチャを,破壊された障害物計測を用いてインスタンス化する。
  論文  参考訳（メタデータ） (2026-08-05T11:55:33Z)
• Speculate with Memory: Lossless Acceleration for LLM Agents [41.48103818220709]
  投機的実行は、より小さく安価なモデルを使用して、環境がアイドル状態にある間に次のステップを予測し、事前起動することにより、LCMエージェントを加速させる。 我々は,過去のエージェント・トラジェクトリから学習する3つのオンライン記憶システムを備えた投機機を開発した。 提案手法は,行動予測,観測予測,連鎖予測という3つの推測型にまたがる6つのベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-07-14T00:36:31Z)
• EventRadar: Long-Range Visual UAV Discovery through Spatiotemporal Event Sensing [25.011417164526293]
  EventRadarは広角領域を探索し、小さな長距離目標を見つけ、ベアリングサポートとUAV固有の証拠を返却する。 我々はこのキューをイベントカメラのプロトタイプを用いてキロスケールのアクティブセンシングに拡張する。 EventRadarは0.990 mAP$_.3$と0.949 F1$_.3$を達成し、FN$_.3$を0.009に減らし、プロトタイププロファイリングのリアルタイム実現可能性を示している。
  論文  参考訳（メタデータ） (2026-06-09T16:42:59Z)
• CRAFT: Cost-aware Refinement And Front-aware Tuning of Prompts [22.80332488750132]
  CRAFT(Cost-Aware Refinement and Front-Aware Tuning)は,LLM検証コールを少ないリソースとして扱うプロンプトで,楽観的な候補フロント付近の候補に割り当てる。 各ラウンド、補完的精度指向、コスト指向のジェネレータは編集を提案し、NSGA-IIの保持は人口の広がりを保っている。 6つの分類と推論のベンチマークで、CRAFTの保持するフロントは、高い精度と低コストの両方に到達し、精度のみ、コストのみ、および重み付きサムベースラインは、それぞれより狭い領域に集中している。
  論文  参考訳（メタデータ） (2026-06-03T09:40:03Z)
• BAGEN: Are LLM Agents Budget-Aware? [35.04587529168086]
  予算対応エージェント(BAGEN)は、受動的コストメトリックではなく、予算をアクティブな制御シグナルとして扱うべきである。 まず、内部予算(エージェント計算から)と外部予算(エージェント行動から)として予算見積もりを体系的に定義する。 次に、予算認識を段階的間隔推定として定式化する。
  論文  参考訳（メタデータ） (2026-05-29T17:02:17Z)
• Personalized 3D Spatiotemporal Trajectory Privacy Protection with Differential and Distortion Geo-Perturbation [64.60694805725727]
  本稿では3DSTPMという,個人化された3次元トラジェクトリプライバシ保護機構を提案する。 軌道上の位置間の相関を利用して攻撃する攻撃者の特徴を分析し,攻撃モデルを示す。 提案した3DSTPMは,ユーザのパーソナライズされたプライバシ保護のニーズを満たす際に,損失を効果的に低減することを示す。
  論文  参考訳（メタデータ） (2025-11-27T07:41:14Z)
• Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
  我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。 本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
  論文  参考訳（メタデータ） (2025-03-14T17:59:41Z)
• RobMOT: Robust 3D Multi-Object Tracking by Observational Noise and State Estimation Drift Mitigation on LiDAR PointCloud [11.111388829965103]
  本稿では,3次元トラッキング・バイ・検出手法の限界,特に正当な軌跡の同定について論じる。 既存の手法では、しきい値に基づくフィルタリングを検出スコアに用いており、遠方や隠蔽対象で失敗することがある。 ゴーストトラックを著しく低減する,新しい軌道妥当性機構と多段階観測ゲーティングプロセスを提案する。
  論文  参考訳（メタデータ） (2024-05-19T12:49:21Z)
• Manipulating Trajectory Prediction with Backdoors [94.22382859996453]
  軌道予測に影響を及ぼす可能性のある4つのトリガを記述し,検討した。 モデルの性能は良好だが、バックドアには弱い。 バックドアに対する防御範囲を評価する。
  論文  参考訳（メタデータ） (2023-12-21T14:01:51Z)
• R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of Dynamic Scenes [69.6715406227469]
  駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。 本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
  論文  参考訳（メタデータ） (2021-08-10T17:57:03Z)
• Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
  ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。 対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
  論文  参考訳（メタデータ） (2021-03-26T01:18:11Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。