論文の概要: DGT-Map: Directional Global Traversability Mapping Utilizing Multi-Task Learning for Heterogeneous Vehicles

• arxiv url: http://arxiv.org/abs/2609.30461v1
• Date: Thu, 24 Sep 2026 18:54:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.108305
• Title: DGT-Map: Directional Global Traversability Mapping Utilizing Multi-Task Learning for Heterogeneous Vehicles
• Title（参考訳）: DGT-Map: 異種車両のマルチタスク学習を利用した方向的グローバルトラバーサビリティマッピング
• Abstract要約: DGT-MAPは、RGB-D観測と移動信号から、グローバル、指向性、車両条件のトラバーサビリティコストマップを学習する。 共有されたマルチタスクバックボーンは、トレーニング車両間で共通の地形の特徴を学習し、一方、車両固有の予測ヘッドはプラットフォームに依存した応答を保存する。 DGT-MAPは、方向対応プランナーが使用可能な、方向対応のコストマップを生成する。
• 参考スコア（独自算出の注目度）: 10.475495911745837
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Off-road traversability is direction-dependent and vehicle specific, yet most global maps assign a single isotropic cost to each location. Existing learned estimators are also commonly trained independently for each vehicle; this preserves vehicle-specific behavior but prevents vehicles from sharing common terrain representations. DGT-MAP addresses both limitations through a self-supervised framework that learns global, directional, and vehicle-conditioned traversability costmaps from RGB-D observations and locomotion signals. A shared multi-task backbone learns common terrain features across training vehicles while vehicle-specific prediction heads preserve platform-dependent responses. At inference, DGT-MAP produces a heading-indexed costmap that can be used by a direction-aware planner. We evaluate DGT-MAP in simulation by integrating it into a Hybrid A* navigation stack and measuring downstream task success on challenging terrains, including slopes that are traversable downhill but not uphill and a ridge obstacle that is traversable by some vehicles, but not by others. Across evaluated tasks, DGT-MAP achieves the highest or tied-highest navigation success rate when compared against geometric, binary, and learned direction-agnostic baselines.
• Abstract（参考訳）: オフロード・トラバーサビリティは方向に依存し、車両固有のものであるが、ほとんどのグローバルマップは各場所に1つの等方的コストを割り当てている。 既存の学習した推定器は、車両ごとに独立して訓練されており、車両固有の挙動を保ちながら、車両が共通の地形表現を共有することを妨げている。 DGT-MAPは、RGB-D観測と移動信号からグローバル、指向性、および車両条件のトラバーサビリティコストマップを学習する自己管理フレームワークを通じて、両方の制限に対処する。 共有されたマルチタスクバックボーンは、トレーニング車両間で共通の地形の特徴を学習し、一方、車両固有の予測ヘッドはプラットフォームに依存した応答を保存する。 推測では、DGT-MAPは方向対応プランナーが使用可能な、方向対応のコストマップを生成する。 我々は、DGT-MAPをハイブリッドA*航法スタックに統合し、下り坂ではなく下り坂である斜面や、一部の車両で走行可能な隆起障害物を含む挑戦的な地形における下流タスクの成功を測定することにより、シミュレーションにおけるDGT-MAPを評価する。 評価されたタスク全体で、DGT-MAPは、幾何学的、二項的、学習方向に依存しないベースラインと比較して、最も高い、あるいは最も密接なナビゲーション成功率を達成する。

関連論文リスト

• Assessing the Impact of Fleet Size on Crowdsourced Mapping Using a Dissimilarity Measure [1.3267048706241158]
  本稿では,GOSPAMと呼ばれる異種性尺度を用いて,クラウドソーシングによる交通標識のメンテナンスを評価するためのシミュレーションベースのフレームワークを提案する。 複数の車両からの観測は、空間クラスタリングとセマンティックフィルタリングを用いて集約され、交通標識の位置を推定する。 その結果,GOSPAMは,最初の車両によるコントリビューションや多数の車両による改善など,クラウドソースマッピングの質を効果的に評価できることがわかった。
  論文  参考訳（メタデータ） (2026-09-24T08:08:48Z)
• RoadGIE: Towards A Global-Scale Aerial Benchmark for Generalizable Interactive Road Extraction [54.19939140744149]
  RoadGIEはリモートセンシングにおける道路抽出のための新しい対話的パラダイムを確立する。 WorldRoadSeg-360Kは、これまでで最大かつ最も多様な道路区分データセットである。 RoadGIEは、セグメント化精度とトポロジ的整合性の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-05-26T11:20:27Z)
• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• Driving by Hybrid Navigation: An Online HD-SD Map Association Framework and Benchmark for Autonomous Vehicles [6.52409981498299]
  textbfOnline textbfMap textbfAssociationを導入する。 既存のデータセットに基づいて、OMAは480kの道路と260kのレーンパスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-10T07:16:00Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• NLP-enabled Trajectory Map-matching in Urban Road Networks using a Transformer-based Encoder-decoder [1.3812010983144802]
  本研究では,NLPにインスパイアされた機械翻訳としてタスクを定式化する,データ駆動型深層学習型マップマッチングフレームワークを提案する。 変圧器を用いたエンコーダ・デコーダモデルでは,ノイズの多いGPS点の文脈表現を学習し,軌道の挙動や道路構造をエンドツーエンドに推定する。 合成軌道実験により、この手法は文脈認識を統合することによって従来の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-04-18T18:39:23Z)
• JPerceiver: Joint Perception Network for Depth, Pose and Layout Estimation in Driving Scenes [75.20435924081585]
  JPerceiverは、モノクロビデオシーケンスからスケール認識深度とVOとBEVレイアウトを同時に推定することができる。 クロスビュー幾何変換(CGT)を利用して、絶対スケールを道路レイアウトから奥行きとVOに伝播させる。 Argoverse、Nuscenes、KITTIの実験は、上記の3つのタスクの全てにおいて、既存のメソッドよりもJPerceiverの方が優れていることを示している。
  論文  参考訳（メタデータ） (2022-07-16T10:33:59Z)
• Fully End-to-end Autonomous Driving with Semantic Depth Cloud Mapping and Multi-Agent [2.512827436728378]
  本稿では,エンド・ツー・エンドとマルチタスクの学習方法を用いて学習した新しいディープラーニングモデルを提案する。 このモデルは,CARLAシミュレータ上で,現実の環境を模倣するために,通常の状況と異なる天候のシナリオを用いて評価する。
  論文  参考訳（メタデータ） (2022-04-12T03:57:01Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)

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。