文献

J-GLOBAL ID：202102232428622182   整理番号：21A0671722

車線-注意:車線上の注意の学習による車両運動軌跡の予測【JST・京大機械翻訳】

Lane-Attention: Predicting Vehicles’ Moving Trajectories by Learning Their Attention Over Lanes

著者 (7件)： Pan Jiacheng (Baidu USA LLC,Sunnyvale,CA,USA,94089) ,  Sun Hongyi (Baidu USA LLC,Sunnyvale,CA,USA,94089) ,  Xu Kecheng (Baidu USA LLC,Sunnyvale,CA,USA,94089) ,  Jiang Yifei (Baidu USA LLC,Sunnyvale,CA,USA,94089) ,  Xiao Xiangquan (Baidu USA LLC,Sunnyvale,CA,USA,94089) ,  Hu Jiangtao (Baidu USA LLC,Sunnyvale,CA,USA,94089) ,  Miao Jinghao (Baidu USA LLC,Sunnyvale,CA,USA,94089)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 7949-7956  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 周囲の車両の将来の動きを正確に予測することは,自律運転車の安全で効率的な運転に不可欠である。このタスクは,車両の移動軌跡が運転者の意図により大きく決定されるので困難であり,しばしば推定が困難である。長い短期メモリ(LSTM)ネットワークと共に注意機構を活用することにより,本研究は,道路インフラストラクチャに対する運転者の意図と車両の変化する位置の間の関係を学習し,予測を導くためにそれを使用する。他の最先端の解決策と異なり,本研究は,非ユークリッド構造として路上車線を処理し,車両の移動履歴を空間時間グラフを形成し,グラフニューラルネットワークからの方法を用いて問題を解いた。予測対象の周りの静的環境特徴を処理するための非ユークリッド法の利用における先駆的試みは,著者らのモデルもいくつかの計量において他の最先端モデルより優れている。モデルの実用性と解釈可能性解析は,著者ら自身に加えて,様々な自律駆動システムにおける大規模展開に大きな可能性を示す。Copyright 2021 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： 記憶装置 ,  *ネットワーク ,  道路 ,  ニューラルネットワーク ,  駆動方式 ,  インフラストラクチャー
準シソーラス用語： 自律性 ,  実用性 ,  *運動軌道 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 車線 ,  注意 ,  学習 ,  運動軌跡 ,  予測