論文の概要: Towards Safer Cities: A Design Process for Perception Datasets in Urban Driving Scenarios

• arxiv url: http://arxiv.org/abs/2610.13077v1
• Date: Fri, 09 Oct 2026 06:34:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.429245
• Title: Towards Safer Cities: A Design Process for Perception Datasets in Urban Driving Scenarios
• Title（参考訳）: サファーシティに向けて:都市交通シナリオにおける知覚データセットの設計プロセス
• Abstract要約: 都市環境は自動運転の認識システムにとって重要な課題である。 ユーザ生成マップデータを用いた既存のデータセットの分析に基づくガイド付きデータセット作成のための手法を提案する。
• 参考スコア（独自算出の注目度）: 43.45964061058178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban environments present significant challenges for the perception systems of automated driving due to their high complexity, characterized by dense traffic, diverse obstacles, or a wide range of possible scenarios. While numerous automotive datasets exist, few focus on urban settings, and the majority are acquired exclusively on passenger cars and overlook other transport modalities such as heavy-duty trucks, busses and trams. In contrast to passenger vehicles, these platforms operate under different geographical and operational constraints; including traversing pedestrian zones or platform-specific tasks such as movement of trailer or winter service. In this work a method is proposed for a guided dataset creation based on an analysis of existing datasets using user-generated map data. Furthermore, representative truck-specific use cases are identified and exemplified to demonstrate the applicability of the proposed methodology and to support targeted acquisition planning.
• Abstract（参考訳）: 都市環境は、密集した交通、多様な障害物、広範囲のシナリオを特徴とする、その複雑度が高い自動運転の認識システムに重大な課題を呈している。 多くの自動車のデータセットが存在するが、都市環境に焦点をあてることはほとんどなく、大多数は乗用車にのみ焦点をあて、重いトラック、バス、路面電車など他の輸送手段を見下ろしている。 旅客車とは対照的に、これらのプラットフォームは、歩行者ゾーンの横断やトレーラーの移動や冬季サービスといったプラットフォーム固有のタスクを含む、異なる地理的および運用上の制約の下で運用されている。 本研究では、ユーザ生成マップデータを用いた既存のデータセットの分析に基づいて、ガイド付きデータセット作成のための手法を提案する。 さらに,提案手法の適用性を実証し,対象とする買収計画を支援するために,代表トラック固有のユースケースを特定し,実演する。

関連論文リスト

• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• Predicting Traffic Congestion at Urban Intersections Using Data-Driven Modeling [0.0]
  本研究は,米国の主要都市の交差点における混雑予測モデルの構築を目的とする。 データセットには、座標、通り名、日時、トラフィックメトリクスを含む27の機能が含まれている。
  論文  参考訳（メタデータ） (2024-04-12T22:53:41Z)
• Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
  RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。 データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)

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。