抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
安全で快適に運転するために,周辺車両の長期軌道予測は自律車両にとって不可欠である。軌道予測の不確かな性質を取り扱うために,深い学習ベースのアプローチが以前に提案されている。路上車両は道路形状,すなわち道路形状の制約内で実行しなければならない。ここでは,深層学習ネットワークによる高定義マップの利用を利用する新しい道路意識軌跡予測法を提案した。著者らは,道路の曲線座標系における軌道予測ネットワークのためのデータ効率的学習フレームワークと周辺車両のための車線配置を開発した。次に,道路の構造的制約を組み込むために,新しい出力制約シーケンスツーシーケンス軌道予測ネットワークを提案した。著者らの方法は,予測ネットワークのための事前知識としてこれらの構造的制約を使用する。それは軌道予測ネットワークへの入力として使用されるだけでなく,操作認識ネットワークの制約された損失関数にも含まれている。したがって,提案方法は,ドライバと軌道の実行可能で現実的な意図を予測することができる。提案手法を実際のトラヒックデータセットを用いて評価し,その結果,データ効率が高く,併合区間で合理的な軌跡を予測できることを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】