VLM-Auto: 複雑な道路シーンに対応する人間的な行動と理解を持つ、VLMベースの自動運転アシスタントシステム
VLM-Autoは、視覚入力に基づいて道路環境を分析し、運転行動を調整することで、自動運転車に人間的な理解と柔軟な対応を実現する。
自動運転の意思決定性能を包括的に評価する統合的手法 - 主観的な感覚を客観的な評価につなぐ
本研究は、安全性、時間効率性、快適性、エネルギー効率性の4つの客観的な運転経験要因を統合的に評価し、人間の主観的な評価結果を反映する新しい自動運転意思決定性能評価手法を提案する。
高精度マッピングのための車両観測データを活用したレーンモデル変換ネットワーク(LMT-Net)
LMT-Netは、疎な車両観測データから自動的にレーングラフを生成する手法である。事前処理で車両の走行軌跡と観測されたレーン境界を整列・集約し、その情報を入力として、エンコーダ-デコーダ型の変換ネットワークでレーンペアとその接続性を予測する。
テスラのFSD「重要な介入」が600kmに1回に改善
テスラのFSDシステムが、都市部での走行において、1000kmあたり約1.7回の重要な介入が必要な状況まで改善されてきている。
自動運転車のアダプティブ・クルーズ・コントロールの評価と最適化: CARLA シミュレータを用いた雨天および晴天条件下での性能研究
CARLA シミュレータを使用して、雨天および晴天条件下における自動運転車のアダプティブ・クルーズ・コントロールの性能を評価し、最適化する。
自動運転における強化学習報酬関数の包括的レビュー
自動運転における強化学習の報酬関数設計には多くの課題があり、安全性、快適性、進捗、交通規則順守などの目標を適切に組み合わせることが重要である。
自動運転データセットの包括的な調査：統計、アノテーションの品質、および将来の展望
自動運転システムの信頼性と堅牢性を高めるために、高品質なデータセットが不可欠である。本調査では、265の自動運転データセットを多角的に分析し、データの特性、アノテーションの品質、地理的・環境的条件の影響を明らかにした。さらに、新しい指標を提案し、将来のデータセット作成の指針を示した。
レーダーデータ表現を用いた自動運転の包括的レビュー
レーダーセンサーは自動運転システムにとって不可欠なコンポーネントであり、様々なデータ表現を通じて自動運転機能を強化する。本レビューでは、ADCシグナル、レーダーテンソル、ポイントクラウド、グリッドマップ、マイクロドップラー特徴量といった5つのレーダーデータ表現を詳細に探索し、それぞれの長所と短所を分析する。
自動運転車の説明可能な人工知能: 包括的な概要と将来の研究方向のガイド
自動運転車の人工知能ベースの意思決定プロセスを人間にわかりやすく説明することが重要である。
大規模言語モデルを使った運転ポリシーの適応により、どこでも運転できるようになる
大規模言語モデルの優れた一般化能力を活用し、運転者や自動運転車が新しい環境の交通規則に迅速に適応できるようにする。