視覚的道路シーンを用いたドライバーストレスの推定

視覚的道路シーンに基づくドライバーのストレス推定に関する研究 学術的背景 ドライバーのストレスは、交通事故、負傷、死亡の重要な要因です。研究によると、94%の交通事故はドライバーに関連しており、その中でも注意力散漫、内外の気晴らし、速度制御の不適切さなどがすべてドライバーのストレスと密接に関連しています。したがって、ドライバーのストレス状態を特定し管理することは、運転体験と安全性を向上させるために非常に重要です。しかし、既存のドライバーストレス認識手法は主に生理データ(心拍数、皮膚電気活動など)や車両操作データ(ハンドルやペダルの操作)に依存しており、これらの方法は通常ウェアラブルデバイスが必要であったり、運転環境全体を考慮する能力が不足しています。これに対して、視覚的道路シーンの分析は、非...

Lidarガイドによる視覚中心の3D物体検出のための幾何学的事前学習

Lidarガイドによる視覚中心の3D物体検出のための幾何学的事前学習

LiDARガイドによる幾何学的プレトレーニング法が視覚中心の3D物体検出性能を向上 背景紹介 近年、マルチカメラ3D物体検出は自動運転分野で広く注目を集めています。しかし、視覚ベースの手法はRGB画像から正確に幾何学的情報を抽出する際に依然として課題があります。既存の手法では通常、深さに関連するタスクで事前学習された画像バックボーンを使用して空間情報を取得しますが、これらの方法は視点変換における重要な問題を無視しており、画像バックボーンと視点変換モジュール間での空間知識のミスマッチによりパフォーマンスが低下しています。この問題を解決するために、本論文では新しい幾何学的認識型プレトレーニングフレームワーク「GAPretrain」を提案します。 論文の出典 本論文は、林麟彦、王会杰、曾佳らによっ...

非線形システムのための適応型複合固定時間RL最適化制御及び知能船舶自動操舵への応用

非線形固定時間強化学習最適化制御によるインテリジェント船舶自動操舵システムの研究 近年、インテリジェント自動操舵技術は自動化制御分野における研究の焦点の一つとなっています。複雑な非線形システムにおいて、特に固定時間内でシステムの安定性と性能最適化を実現するための最適化制御戦略の設計は、制御エンジニアと研究者にとって重要な課題となっています。しかし、既存の固定時間制御理論は、システム状態の収束を実現する際にリソース利用効率とのバランスを考慮していない場合が多く、このため過剰補償または補償不足の現象を引き起こし、システムの定常状態誤差を増加させる可能性があります。さらに、時間制限内での非線形不確実性の推定誤差最小化については、関連研究は依然として少ないのが現状です。したがって、本研究では、この重...

マルチビュー画像を用いたエンドツーエンド視覚セマンティックローカライゼーションネットワーク

マルチビュー画像に基づくエンドツーエンド視覚セマンティックローカライズ研究 背景と研究の意義 スマートドライビング技術が急速に発展する中で、自動運転車の精密な位置推定能力は研究と産業界でのホットな話題となっています。正確な車両位置推定は、自動運転のコアモジュールであるだけでなく、高度運転支援システム(ADAS)の重要な構成要素でもあります。従来の視覚ローカライズ手法は、しばしば幾何学モデルと複雑なパラメータ調整に依存していましたが、複雑なシーンではそのロバスト性と大規模展開能力が限られていました。また、環境の変化(天候や照明条件など)の影響を受けやすく、従来の特徴抽出手法(例えばSIFT、SURF、ORBなど)は動的環境下での性能に限界があります。近年では、豊富なセマンティック情報を含む高精...

少数の注釈付きピクセルとポイントクラウドに基づく運転シーンの弱教師ありセマンティックセグメンテーション

少量のピクセルラベルと点群データを用いた自動車運転シーンの弱教師ありセマンティックセグメンテーション 背景と研究課題 セマンティックセグメンテーションは、コンピュータビジョンにおける重要な課題の一つであり、自動運転などの分野で広く応用されています。しかし、従来の完全教師ありセグメンテーション手法では、大量のピクセル単位のアノテーションが必要であり、そのコストは非常に高いです。 弱教師ありセグメンテーション(Weakly Supervised Semantic Segmentation、WSSS)は、ラベル付きデータが少ない状況で高精度なセグメンテーションを実現することを目的とし、画像ラベルやバウンディングボックス、点レベルのラベルなどの粗いアノテーションを利用して、ピクセル単位のセグメンテー...

車輪付き脚ロボットのための堅牢な自律ナビゲーションと移動学習

車輪付き脚ロボットのための堅牢な自律ナビゲーションと移動学習

自律的に移動できる車輪脚ロボット 背景紹介 都市化の進展に伴い、サプライチェーン物流、特にラストワンマイルの配送が大きな課題となっています。交通の混雑が増加し、より迅速な配送サービスが求められる中、特に屋内や街路での複雑なルートは配送にとって解決し難い問題となっています。従来の車輪型ロボットは複雑な障害物を越えるのが難しく、脚部システムだけでは必要な速度と効率を達成することはできません。例えば、ANYmalロボットは一定の移動能力を持っているものの、その最大走行速度は平均的な歩行速度の半分に過ぎず、バッテリーの持続時間も限られています。したがって、平坦な地面で効率的に動き、障害物を乗り越えることができるロボットシステムを開発することが研究の主要な方向となっています。 本稿で主要に研究している...

オープンワールドイベントへの適応のためのモビリティネットワーク上での時空間ダイナミクスの学習

移動ネットワークの時空動態を学習して開かれた世界のイベントに適応する 研究背景 現代社会のモビリティ・アズ・ア・サービス(MaaS)システムは、公共交通機関、ライドシェアリング、シェアリング自転車などの様々な交通手段が無縫に統合されています。MaaSの効率的な運営を実現するには、マルチモーダル移動ネットワークの時空動態のモデル化が不可欠です。しかし、従来の手法は、異なる交通手段間の相互作用を暗黙的に扱うか、その相互作用が不変であると仮定しています。さらに、休日、悪天候、パンデミックなどの開かれた世界のイベントが発生すると、群集の移動行動がその通常のパターンから大きく逸脱する可能性があり、このモデリングタスクをより難しくしています。 論文の出典 本論文は、イリノイ大学アーバナ・シャンペーン校の...