Fugu-MT 論文翻訳(概要): Progressive Risk Estimation for Accident Anticipation

論文の概要: Progressive Risk Estimation for Accident Anticipation

arxiv url: http://arxiv.org/abs/2609.32811v1
Date: Sat, 26 Sep 2026 17:35:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-06 20:01:40.274201
Title: Progressive Risk Estimation for Accident Anticipation
Title（参考訳）: 事故予測のための進行的リスク推定
Abstract要約: 事故予知は、通常の運転中に誤報を回避しつつ、事故前の異常運転の手がかりを認識することを目的としている。事故リスクを継続的に進行する信号としてモデル化するフレームワークであるPre-ACTを提案する。
参考スコア（独自算出の注目度）: 13.779073069233611
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accident anticipation aims to recognize anomalous driving cues before a crash while avoiding false alarms during normal driving. Existing approaches typically formulate this task as binary classification, focusing on whether an accident will occur rather than when it will occur. We propose PRE-ACT, a framework that models accident risk as a continuously evolving signal that increases as the crash approaches. By explicitly enforcing temporal ordering and distance-to-accident awareness, our method progressively raises risk while suppressing premature alarms, leading to significant improvements on MM-AU subsets and Nexar. We further introduce a Separation Score to evaluate the global behavior of predicted risk curves beyond local temporal windows. Code and visualizations are available at https://github.com/giddyyupp/PRE-ACT.
Abstract（参考訳）: 事故予知は、通常の運転中に誤報を回避しつつ、事故前の異常運転の手がかりを認識することを目的としている。既存のアプローチは通常、このタスクを二分分類として定式化し、いつ起こるかではなく、事故が起こるかどうかに焦点を当てる。事故リスクを継続的に進行する信号としてモデル化するフレームワークであるPre-ACTを提案する。本手法は,時間的順序付けと事故認識を明示的に実施することにより,早期アラームを抑えながらリスクを徐々に増大させ,MM-AUサブセットとNexarに大きな改善をもたらす。さらに,推定リスク曲線のグローバルな挙動を局所的な時間的窓を超えて評価するための分離スコアを導入する。コードと視覚化はhttps://github.com/giddyyupp/PRE-ACT.comで公開されている。

関連論文リスト

Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability [79.08785366532287]
部分観測可能性下でのリスク感応制御のための軽量なリスクゲート強化学習近似を提案する。安全クリティカルな部分観測可能な2つの領域 – 自動グルコース調節と安全制約ナビゲーション – でアプローチを評価した。
論文参考訳（メタデータ） (2026-05-14T01:23:09Z)
RiskProp: Collision-Anchored Self-Supervised Risk Propagation for Early Accident Anticipation [16.390547433087185]
事故予測は、ダッシュカムビデオからの差し迫った衝突を予測し、早期警報を発生させることを目的としている。既存の手法は、手動で注釈付けされた「アノマリー・オンセット」フレームによるバイナリ・インスペクションに依存している。本稿では,早期の事故予測のための自己監督型リスク伝搬パラダイムであるリスクプロップを提案する。
論文参考訳（メタデータ） (2026-03-28T07:04:16Z)
Risk Estimation for Automated Driving [0.9376581451563295]
自動運転では、リスクは2つの側面によって特徴づけられる。不確実性は一般的に、衝突に近い事象の危険をゼロにする。既存のアプローチでは、経験的モデリングや厳密な近似に頼ってリスクを計算する。本稿では,衝突確率推定の最近の進歩と衝突重大度の概念を組み合わせて,正確なリスク推定のための一般的な手法を開発する。
論文参考訳（メタデータ） (2026-01-21T14:14:50Z)
Accident Anticipation via Temporal Occurrence Prediction [15.813749445439292]
事故予測は、潜在的な衝突をオンラインで予測することを目的としており、タイムリーな警報によって道路の安全性を高めることができる。既存の手法では、リスクの指標としてフレームレベルのリスクスコアを予測するのが一般的である。本稿では,予測対象を現在のフレームリスクスコアから,将来の複数段階における事故スコアを直接推定するパラダイムを提案する。
論文参考訳（メタデータ） (2025-10-25T11:57:22Z)
Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
論文参考訳（メタデータ） (2025-10-10T18:42:32Z)
Optimal Driver Warning Generation in Dynamic Driving Environment [8.680694504513696]
既存の運転警告技術は、人間のエラーによる衝突のリスクを低減することができる。警告生成問題は部分的に観察されたマルコフ決定過程(POMDP)として定式化される提案するPOMDPの解決策として,最適な警告生成フレームワークを提案する。
論文参考訳（メタデータ） (2024-11-09T23:04:19Z)
Cognitive Accident Prediction in Driving Scenes: A Multimodality Benchmark [77.54411007883962]
本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。 CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
論文参考訳（メタデータ） (2022-12-19T11:43:02Z)
Surveillance Evasion Through Bayesian Reinforcement Learning [78.79938727251594]
ランダム終端の強度が全く不明な2次元連続経路計画問題を考える。これらのオブザーバーの監視強度は未知であり、反復的な経路計画を通じて学ぶ必要がある。
論文参考訳（メタデータ） (2021-09-30T02:29:21Z)
Sample-Efficient Safety Assurances using Conformal Prediction [57.92013073974406]
早期警戒システムは、安全でない状況が差し迫ったときに警告を提供することができる。安全性を確実に向上させるためには、これらの警告システムは証明可能な偽陰性率を持つべきである。本稿では,共形予測と呼ばれる統計的推論手法とロボット・環境力学シミュレータを組み合わせたフレームワークを提案する。
論文参考訳（メタデータ） (2021-09-28T23:00:30Z)
Uncertainty-based Traffic Accident Anticipation with Spatio-Temporal Relational Learning [30.59728753059457]
交通事故予測は、できるだけ早くダッシュカムビデオから事故を予測することを目的としている。現在の決定論的ディープニューラルネットワークは、誤った予測では過信される可能性がある。本稿では,関係時間学習を用いた不確実性に基づく事故予測モデルを提案する。
論文参考訳（メタデータ） (2020-08-01T20:21:48Z)

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。