論文の概要: Predictive audio representations for early detection and tracking of hidden dynamic objects

• arxiv url: http://arxiv.org/abs/2609.13595v1
• Date: Fri, 11 Sep 2026 23:05:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.404118
• Title: Predictive audio representations for early detection and tracking of hidden dynamic objects
• Title（参考訳）: 隠れた動的物体の早期検出と追跡のための予測音声表現
• Abstract要約: 密集した交通機関は、検出システムがあまりにも遅く見える可能性があるため、検知システムに挑戦する。 従来の研究では、一方向の聴覚知覚が視野に拘束されず、異なる道路利用者の早期発見のための基本的な手がかりとなることが証明された。 本研究では,車両数,種類,到着方向を同時に推定するマルチタスクシステムを提案する。
• 参考スコア（独自算出の注目度）: 1.7289819674602296
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Predicting potential dangers is core to safety. Forecasting the presence of other traffic agents is core to danger prediction. Occluded traffic agents challenge detection systems as they might become visible too late, leaving the autonomous vehicle too little time to identify, plan and act accordingly in a robust and safe way. Previous works proved that auditory perception, being omnidirectional and not constrained by a field-of-view, provides fundamental cues for early spotting of different road users, even when hidden by other vehicles or infrastructures. Yet, those contributions deal with scenarios with only one vehicle present, and they either identify the type of vehicle or estimate its direction of arrival. In this work, we move forward, and propose a multi-task system which, simultaneously, estimates the number of vehicles present, their type, and their direction of arrival. Our methodological contribution is a two-stage pipeline: a self-supervised pre-training stage inspired by the Joint- Embedding Predictive Architecture (JEPA) applied directly to multichannel raw waveforms, followed by supervised multi-task fine-tuning with a bidirectional LSTM and three classification heads. The pre-training stage trains the encoder without labels, pushing it to predict the latent representation of a future audio segment from its past context. To train and test our framework, since no suitable dataset was publicly available, we collected an ad-hoc one covering Non-Line-Of-Sight scenarios with multiple traffic agents simultaneously operating. Experimental evaluation shows that our method outperforms the state of the art; it also proves that our design choice allows the model to learn robust representations, which can be transferred to an unseen driving scenario, maintaining reasonable and stable performance.
• Abstract（参考訳）: 潜在的な危険を予知することは安全の中核である。 他の交通機関の存在を予測することは危険予測の中核である。 渋滞した交通機関は、検出システムがあまりにも遅く見えるようになるため、検出システムに挑戦し、自律走行車は頑丈で安全な方法で識別、計画、行動する時間が少なくなる。 従来の研究では、全方向の聴覚知覚は視野に拘束されず、他の車両やインフラに隠されたとしても、異なる道路利用者の早期発見のための基本的な手がかりとなることが証明された。 しかし、これらのコントリビューションは1台の車両しか存在しないシナリオに対処し、車両の種類を特定したり、到着方向を推定する。 本研究では, 車両数, タイプ, 到着方向を同時に推定するマルチタスクシステムを提案する。 JEPA(Joint- Embedding Predictive Architecture)にインスパイアされた,双方向LSTMと3つの分類ヘッドを用いた教師付きマルチタスク微調整を行う。 事前訓練段階はラベルのないエンコーダを訓練し、過去の文脈から将来の音声セグメントの潜在表現を予測する。 フレームワークをトレーニングし、テストするために、適切なデータセットが公開されていないため、複数のトラフィックエージェントが同時に動作する非Line-Of-Sightシナリオをカバーするアドホックなデータセットを収集しました。 実験により,本手法は最先端の手法よりも優れており,設計選択によりロバストな表現を学習できることを示した。

関連論文リスト

• QuAD: Query-based Interpretable Neural Motion Planning for Autonomous Driving [33.609780917199394]
  自動運転車は環境を理解して適切な行動を決定する必要がある。 従来のシステムは、シーン内のエージェントを見つけるためにオブジェクト検出に依存していた。 我々は、最初に占有する時間的自律性を知覚するカスケードモジュールから遠ざかる、統一的で解釈可能で効率的な自律フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-01T21:11:43Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Unsupervised Self-Driving Attention Prediction via Uncertainty Mining and Knowledge Embedding [51.8579160500354]
  本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。 結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-03-17T00:28:33Z)
• Unsupervised Driving Event Discovery Based on Vehicle CAN-data [62.997667081978825]
  本研究は,車両CANデータのクラスタリングとセグメンテーションを同時に行うことで,一般的な運転イベントを教師なしで識別する手法である。 我々は、実際のTesla Model 3車載CANデータと、異なる運転イベントをアノテートした2時間の運転セッションのデータセットを用いて、アプローチを評価した。
  論文  参考訳（メタデータ） (2023-01-12T13:10:47Z)
• 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)
• LookOut: Diverse Multi-Future Prediction and Planning for Self-Driving [139.33800431159446]
  LookOutは、環境を共同で知覚し、センサーデータから様々な未来を予測するアプローチである。 本モデルでは,大規模自動運転データセットにおいて,より多様性があり,サンプル効率のよい動き予測を行う。
  論文  参考訳（メタデータ） (2021-01-16T23:19:22Z)
• Two-Stream Networks for Lane-Change Prediction of Surrounding Vehicles [8.828423067460644]
  高速道路のシナリオでは、人間のドライバーは視覚的手がかりのみを使用して車両を取り巻く早期の切り込みと切り抜きの操作を予想する。 周囲車両の車線変化認識と予測に対処するため,ビデオカメラからの視覚的手がかりを積み重ねることで,行動認識・予測問題としてこの問題を提起する。 2ストリーム畳み込みネットワークと乗算器ネットワークという2つのビデオアクション認識アプローチが分析されている。
  論文  参考訳（メタデータ） (2020-08-25T07:59:15Z)
• SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
  本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。 エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
  論文  参考訳（メタデータ） (2020-07-26T08:17:10Z)
• Probabilistic Multi-modal Trajectory Prediction with Lane Attention for Autonomous Vehicles [10.485790589381704]
  軌道予測は自動運転車にとって不可欠である。 レーン表現のための新しいインスタンス認識表現を提案する。 提案したレーン表現とレーンアテンションモジュールは,広く使用されているエンコーダデコーダフレームワークに統合可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-06T07:57:23Z)
• Physically constrained short-term vehicle trajectory forecasting with naive semantic maps [6.85316573653194]
  本稿では,エージェントの一般的な動きだけでなく,意味地図から関連する道路特徴を抽出する学習モデルを提案する。 我々は,道路境界を考慮した将来の動きを予測できるだけでなく,当初の訓練よりも長い時間的地平線の軌道を効果的かつ正確に予測できることを示した。
  論文  参考訳（メタデータ） (2020-06-09T09:52:44Z)

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。