論文の概要: Generation of Vectorized Maps Beyond Vehicle View
- arxiv url: http://arxiv.org/abs/2609.07511v1
- Date: Mon, 07 Sep 2026 13:58:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.439769
- Title: Generation of Vectorized Maps Beyond Vehicle View
- Title（参考訳）: 車両の視界を超えたベクトルマップの生成
- Abstract要約: 従来のHDマップの構築は、ハードウェア、データ、人的資源で費用がかかる。
近年の研究では、搭載センサーからのHDベクトル化マッピングの代替案が提案されている。
本稿では, ベクトル化地図生成問題として, 視点外ベクトル化マップ生成問題を提案する。
- 参考スコア（独自算出の注目度）: 5.267414245520348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous driving relies on High Definition (HD) maps for safe navigation. Traditional HD maps construction is costly in hardware, data and human resources, which together with its update limitations hinders scalability. Recent works have proposed online alternatives for HD vectorized mapping from onboard sensors. However, sensor field of view is limited, and the range of the reconstructed maps ahead of the vehicle is insufficient for safe planning. This paper aims to address this limitation by proposing the novel beyond-view vectorized map generation problem: given vectorized maps of the area sensed by the vehicle (in-view), to generate plausible map continuations. To experimentally assess its feasibility, we propose BeyondFormer, which, to the best of out knowledge, is the first work designed towards beyond-view map generation. Given the novelty of the problem, we generate the first dataset specifically designed for it and evaluate the proposed approach. The results demonstrate consistent performance across diverse scenarios, establishing learning-based methods as a promising direction for map forecasting in autonomous driving. Beyond demonstrating the feasibility of the task, we provide an extensive discussion of the method's limitations and identify key future research directions for scaling it to more complex driving conditions. Code is available at https://git-autopia.car.upm-csic.es/beyondformer.
- Abstract（参考訳）: 自律運転は安全な航法のために高定義(HD)マップに依存している。
従来のHDマップの構築は、ハードウェア、データ、人的資源で費用がかかるため、アップデートの制限によってスケーラビリティが損なわれる。
近年の研究では、搭載センサーからのHDベクトル化マッピングの代替案が提案されている。
しかし、センサの視野は限られており、車両前方の再建地図の範囲は安全計画には不十分である。
本稿では, 車両が認識する領域のベクトル化マップを与えられた場合(ビュー内)に, 可算写像の継続を生成するという, 新規なベクトル化マップ生成問題を提案することによって, この制限に対処することを目的とする。
提案するBeyondFormerは,知識を最大限活用するために,ビュー外マップ生成を目的とした最初の試みである。
問題の新規性を考えると,提案手法に特化して設計された最初のデータセットを生成し,提案手法を評価する。
その結果、様々なシナリオで一貫した性能を示し、自律運転における地図予測の有望な方向として学習に基づく手法を確立した。
課題の実現可能性を示す以外に,本手法の限界について広範な議論を行い,より複雑な運転条件に拡張するための重要な研究方向を特定する。
コードはhttps://git-autopia.car.upm-csic.es/beyondformer.comから入手できる。
関連論文リスト
- Spatial Retrieval Augmented Autonomous Driving [81.39665750557526]
既存の自動運転システムは、環境認識のためのセンサーに頼っている。
本稿では,オフラインで取得した地理画像を付加入力として導入する空間検索パラダイムを提案する。
この新しい自動運転パラダイムのさらなる研究のために、データセットキュレーションコード、データ、ベンチマークをオープンソースにします。
論文 参考訳（メタデータ） (2025-12-07T14:40:49Z) - TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。
我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。
レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
論文 参考訳（メタデータ） (2024-11-22T06:13:42Z) - Map-Free Trajectory Prediction with Map Distillation and Hierarchical Encoding [8.857237929151795]
MFTPはMap-Free Trajectory Prediction法であり、いくつかの利点がある。
まず、推論中のHDマップの必要性を排除し、知識蒸留によるトレーニング中のマップ事前の恩恵を享受する。
第二に、空間的時間的エージェントの特徴を効果的に抽出し、それらを複数のトラジェクトリクエリに集約する新しい階層エンコーダを提案する。
論文 参考訳（メタデータ） (2024-11-17T04:50:44Z) - Driving with Prior Maps: Unified Vector Prior Encoding for Autonomous Vehicle Mapping [18.97422977086127]
高精細マップ(HDマップ)は、自動運転車の正確なナビゲーションと意思決定に不可欠である。
オンボードセンサーを用いたHDマップのオンライン構築が有望なソリューションとして浮上した。
本稿では,事前マップのパワーを活用して,これらの制約に対処するPresidedDriveフレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-09T06:17:46Z) - Augmenting Lane Perception and Topology Understanding with Standard
Definition Navigation Maps [51.24861159115138]
Standard Definition (SD) マップは、より安価で、世界中でカバーでき、スケーラブルな代替手段を提供する。
本稿では,オンライン地図予測にSDマップを統合する新しいフレームワークを提案し,Transformer を用いたエンコーダ SD Map Representations を提案する。
この拡張は、現在の最先端のオンラインマップ予測手法におけるレーン検出とトポロジー予測を一貫して(最大60%まで)大幅に向上させる。
論文 参考訳（メタデータ） (2023-11-07T15:42:22Z) - Online Map Vectorization for Autonomous Driving: A Rasterization
Perspective [58.71769343511168]
より優れた感度を有し,現実の自律運転シナリオに適した,新化に基づく評価指標を提案する。
また、精度の高い出力に微分可能化を適用し、HDマップの幾何学的監視を行う新しいフレームワークであるMapVR(Map Vectorization via Rasterization)を提案する。
論文 参考訳（メタデータ） (2023-06-18T08:51:14Z) - High-Definition Map Generation Technologies For Autonomous Driving: A
Review [0.0]
ハイデフィニション(HD)マップは近年多くの注目を集めている。
本稿では,2次元地図と3次元地図の両方を利用した最近のHDマップ生成技術についてレビューする。
論文 参考訳（メタデータ） (2022-06-11T02:32:11Z) - HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。
実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。
高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
論文 参考訳（メタデータ） (2021-06-28T17:59:30Z) - Trajectory Prediction for Autonomous Driving with Topometric Map [10.831436392239585]
最先端の自動運転システムは、ローカライゼーションとナビゲーションのための高定義(HD)マップに依存している。
マップレス自動運転のためのエンドツーエンドトランスネットワークベースのアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-09T08:16:16Z) - MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。
提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
論文 参考訳（メタデータ） (2021-01-18T00:09:30Z)
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。