論文の概要: From Laboratory to Road: Evaluating Wearable Gaze Accuracy for Driving
- arxiv url: http://arxiv.org/abs/2610.07783v1
- Date: Tue, 06 Oct 2026 05:19:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.826458
- Title: From Laboratory to Road: Evaluating Wearable Gaze Accuracy for Driving
- Title（参考訳）: 実験室から道路へ:運転時の歩行精度を評価する
- Abstract要約: 実運転条件下でのウェアラブル視線精度の定量化のための,最初の統合フレームワークを提案する。
当社の道路調査では、1人のドライバーが車のナンバープレートを固定する41の検証済みシーンが報告されている。
室内録音から推定されるオフセットを適用すれば1.10度まで減少し、41シーン全てを改善した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bird's-eye-view (BEV) representations have become a widely used interface between perception and planning in autonomous driving, but they encode what is in a scene, not what is behaviorally relevant to a human driver. Gaze offers a compelling behavioral signal for this gap, yet wearable eye trackers are routinely deployed as if their spatial output were ground truth, despite known sensitivity to head motion, illumination, and calibration drift. We present, to our knowledge, the first unified framework for quantifying wearable gaze accuracy under real driving conditions. Our on-road study contains 41 validated scenes in which one driver fixated a vehicle's license plate. Gaze error is measured as the angular difference between the plate center and the gaze direction estimated by the glasses. Separate indoor studies with the same driver and device systematically analyze how distance, illumination, head motion, target motion, and gaze eccentricity affect both systematic bias and gaze precision. The mean on-road error was 4.58 degrees. Applying an offset estimated from the indoor recordings reduced it to 1.10 degrees and improved all 41 scenes. Because this offset varied between sessions, reliable BEV supervision may require online recalibration and condition-dependent estimates of gaze uncertainty.
- Abstract（参考訳）: バードアイビュー (Bird's-eye-view, BEV) の表現は、自律運転における知覚と計画の間のインターフェースとして広く使われているが、人間の運転者に関連するものではなく、現場にあるものを符号化している。
Gazeは、このギャップに対して魅力的な行動信号を提供するが、ウェアラブルアイトラッカーは、ヘッドモーション、照明、キャリブレーションドリフトに対する感受性が知られているにもかかわらず、空間出力が真実であるかのように日常的に展開される。
我々は、実運転条件下でのウェアラブル視線精度を定量化する最初の統一的なフレームワークを、我々の知識に提示する。
当社の道路調査では、1人のドライバーが車のナンバープレートを固定する41の検証済みシーンが報告されている。
視線誤差は、眼鏡によって推定される板中心と視線方向の角差として測定される。
同じ運転者と装置による屋内実験は、距離、照明、頭部の動き、目標運動、視線偏心が系統的バイアスと視線精度の両方にどのように影響するかを系統的に分析する。
平均道路誤差は4.58度である。
室内録音から推定されるオフセットを適用すれば1.10度まで減少し、41シーン全てを改善した。
このオフセットはセッション毎に異なるため、信頼性の高いBEV監督には、オンラインのリカバリと、視線不確実性の条件に依存した推定が必要である可能性がある。
関連論文リスト
- Benchmarking the Robustness of Autonomous Driving to Environmental Illusions: A Lane Perception Perspective [76.02772556944073]
環境錯覚は自然に存在するが、現実の運転環境では見過ごされている現象である。
視覚的知覚を妨害し、シーンの誤解を招き、自動運転システムに深刻な安全リスクをもたらす。
最初のベンチマークであるLanEvil++を導入し、環境錯覚下での車線知覚の堅牢性を評価する。
論文 参考訳（メタデータ） (2026-07-07T03:15:00Z) - On the Assessment of Sensitivity of Autonomous Vehicle Perception [0.13858851827255522]
自動走行の実現性は知覚システムの性能に大きく依存する。
モデルアンサンブルに基づく予測感度定量化を用いて知覚性能を評価する。
異なる路面上の停止標識におけるAVの停止距離に基づいて知覚評価基準を開発する。
論文 参考訳（メタデータ） (2026-01-30T21:06:05Z) - Predicting Road Surface Anomalies by Visual Tracking of a Preceding Vehicle [1.757194730633422]
先行車両の視覚的追跡により路面異常を検出する新しい手法を提案する。
この方法は万能で、穴、バンプ、破片など、あらゆる種類の道路異常を予測できる。
論文 参考訳（メタデータ） (2025-05-07T13:17:05Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z) - Dfferentiable Raycasting for Self-supervised Occupancy Forecasting [52.61762537741392]
自動運転のための運動計画では、エゴ車の周囲の環境が時間とともにどのように進化するかを学ぶ必要がある。
本稿では,自由空間のようなビュー依存表現の自然な代替手段として,幾何学的占有を用いる。
私たちの重要な洞察は、差別化可能なレイキャストを使用して、将来の占有率予測を、将来のLiDARスイープ予測に"レンダリング"することです。
論文 参考訳（メタデータ） (2022-10-04T21:35:21Z) - A Benchmark for Spray from Nearby Cutting Vehicles [7.767933159959353]
本論文は噴霧による乱れの検査方法について述べる。
噴霧による乱れを評価するための評価スキームとともに、新しい軽量噴霧装置を導入している。
密閉車両の一般的なシナリオでは、歪みが最大4秒までの知覚スタックに深刻な影響を与えていることが分かる。
論文 参考訳（メタデータ） (2021-08-24T15:40:09Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z) - Estimation of Driver's Gaze Region from Head Position and Orientation
using Probabilistic Confidence Regions [43.9008720663172]
スマートな車両は人間の行動を理解し、危険な状況を避けるために行動を予測する必要がある。
運転タスクに関連する最も重要な側面の1つは、ドライバーの視覚的注意です。
本稿では,ドライバの視覚的注意を表現したサルエント領域を作成するための確率モデルに基づく定式化を提案する。
論文 参考訳（メタデータ） (2020-12-23T15:48:43Z) - Heatmap-Based Method for Estimating Drivers' Cognitive Distraction [0.0]
本研究では,認知過程がドライバの視線行動に与える影響について検討した。
認知的注意散らしを推定するために,ドライバの視線分散の新たなイメージベース表現を提案する。
論文 参考訳（メタデータ） (2020-05-28T16:37:30Z) - 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。