文献

J-GLOBAL ID：202002256473009933   整理番号：20A1955247

自動車両運動計画応用のための運動プリミティブ表現,抽出および接続【JST・京大機械翻訳】

Motion Primitives Representation, Extraction and Connection for Automated Vehicle Motion Planning Applications

著者 (3件)： Wang Boyang (School of Mechanical Engineering, Beijing Institute of Technology, Beijing, China) ,  Gong Jianwei (School of Mechanical Engineering, Beijing Institute of Technology, Beijing, China) ,  Chen Huiyan (School of Mechanical Engineering, Beijing Institute of Technology, Beijing, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 21  号： 9  ページ： 3931-3945  発行年： 2020年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人間のような行動を発生できる自律運転システムの開発は,運転データから学習された基本的な運転スキルを利用する能力を必要とする。このアルゴリズムの効率は,駆動スキルの基本構成を表す運動プリミティブ(MP)に複雑な駆動タスクを分解できるならば,著しく改善できる。したがって,本報告の目的は,MPsを表示し,ラベルなし運転データからMPを抽出し,次に,確立されたライブラリにおける学習MPsを接続することである。期待値最大化(EM)アルゴリズムおよび初期セグメンテーションに基づく確率的推論を適用することにより,抽出方法は,修正動的運動プリミティブ(DMP)によって表現されるMPの集合を学習しながら,観察された軌跡をセグメント化した。さらに,提案した接続アルゴリズムは接続問題をMPシーケンスの再表現問題に変換する。本論文では,修正DMP法が,許容できる精度を持つ運転者の軌跡を表現するだけでなく,強い一般化能力を有することを示した。また,MPセグメンテーションとMPライブラリ確立を達成するために,表現と抽出の間の相互依存性を利用する方法も提示する。さらに,本論文は,提案した接続アルゴリズムが,円滑な移行を確実にして,追跡精度を評価するために,シーケンスにおける独立MPsをいかに相関するかを示した。結果は,提案方法が単一MPの表現,異なるタイプのMPの抽出と複数のMPの組合せの間でしばしば無視される相互依存関係を利用することによって,MPの抽出と軌道の再生成を実現することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  学習 ,  *自動車 ,  セグメンテーション
準シソーラス用語： 自律性 ,  確率的推論 ,  EMアルゴリズム ,  *運動計画 ,  相互依存性 ,  運転データ , 【Automatic Indexing@JST】

分類 (2件)： 交通管制・規制  (TB01032S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 自動車 ,  運動計画 ,  応用 ,  運動 ,  表現