driving safety | BriefGPT - AI 论文速递

关键词driving safety

搜索结果 - 8

自主车辆的决策制定：基于交互感知行为预测和社交关注神经网络
自主车辆在交通中需要与人类驾驶员互动来完成任务，因此装备自主车辆具备人工推理以更好地理解周围交通的意图，从而促进任务完成。本文提出了一种行为模型，将驾驶员的互动意图编码为潜在的社会心理参数，并设计了基于贝叶斯滤波器的递进视界优化控制器以考虑
PDF8 months ago
CAT: 闭环对抗训练以实现安全的端到端驾驶
通过对环境增强的方式，本文研究了一种用于安全端到端驾驶的闭环对抗训练框架（CAT），通过训练代理程序处理动态生成的安全关键场景，以持续提高驾驶代理的安全性能。实验结果表明，经过 CAT 训练后，代理程序在回放日志和安全关键交通场景中能够实现
PDF9 months ago
在自动驾驶系统中，通过整合驾驶异质性和长期轨迹预测来增强运动规划方法
自动驾驶系统在复杂驾驶环境中导航是困难的，该论文提出了一种增强的运动规划方法，利用周围人类驾驶车辆的驾驶行为和长期轨迹来改善自动驾驶系统的驾驶安全性。
PDFa year ago
利用视觉问答解释自主驾驶行为
通过视觉问答 (VQA) 框架解释自动驾驶的决策，以提高驾驶安全性。
PDFa year ago
增强型环境损失自动驾驶车辆行为克隆
该论文提出了两种损失函数（社交损失和道路损失），用于模拟路径规划中的风险社交互动，从而实现更好的驾驶安全性和行为克隆效果。
PDF2 years ago
基于网络的安全指标用于道路交通安全评估：案例研究
通过 RSU 拍摄的影像处理方式，构建了新型的网络层面上的安全度量（NSMs）方法。同时，该文研究确定了车辆节点在网络中的作用，并探讨了交通网络中节点行为对系统整体状态的影响。
PDF2 years ago
ICML安全感知的智能自适应巡航控制在自动驾驶车辆中的应用：基于深度强化学习
SAINT-ACC 是一种利用深度强化学习来动态调整车距的自适应巡航控制系统，同时优化交通效率、行驶安全和驾驶舒适性，具有较高的性能和可行性。
PDF3 years ago
基于强化学习的自动驾驶安全、高效、舒适速度控制
该论文基于深度强化学习提出了一种用于汽车跟随速度控制的模型，通过对车辆速度的控制以最大化累积奖励，实现安全、高效和舒适的车跟随行为，并与实际数据进行了对比，结果表明强化学习方法在无人驾驶系统开发方面具有潜在的贡献。
PDF5 years ago