Core Concepts
提案された可視性属性とそのアルゴリズムは、自動運転の安全性と信頼性を向上させることができます。
Abstract
ハードウェアとソフトウェア技術の急速な進歩により、自動運転の研究は大幅に成長しています。多センサー自動運転の主要なフレームワークでは、センサー設置、知覚、経路計画、意思決定、およびモーション制御が含まれます。知覚段階では、一般的なアプローチはニューラルネットワークを使用して3Dバウンディングボックス(Bbox)属性を推測することです。この属性は可視性であり、マルチタスク学習を取り入れることで効果的かつ効率的にモデルの機能性や効率に影響を与えずに拡張されます。これにより、リアルワールドシナリオでのリアルタイム自動運転の安全性と信頼性が向上します。
Stats
ポイントピラーズ:86.79%
セカンド:87.52%
ポイントピラーズ + 可視性:86.79%
セカンド + 可視性:88.13%
Quotes
"提案された可視性属性とその計算戦略は下流タスクの機能拡張を目指し、リアルワールドシナリオでの自律走行の安全性と信頼性を向上させることを目指しています。"
"我々が提供する貢献は次の通りです:革新的な可視性定義およびアルゴリズム。"