要約
自動運転技術には限界があるため、遠隔操作は軍事作戦などの危険な環境で広く使用されています。
ただし、遠隔操作による運転性能は、ドライバーのスキルレベルに大きく依存します。
さらに、熟練していない運転手は、異常で過酷な環境での遠隔操作のために、広範なトレーニング時間を必要とします。
この問題に対処するために、リアルタイムの遠隔操作オフロード運転のための新しいノイズ除去ベースのドライバー支援方法、つまり GoonDAE を提案します。
非熟練ドライバーの制御入力は、熟練ドライバーの制御入力と同じであるが、ノイズがあると想定されます。
スキップ接続長短期記憶 (LSTM) ベースのノイズ除去オートエンコーダー (DAE) モデルを設計し、未熟なドライバーの制御入力をノイズ除去によって支援しました。
提案された GoonDAE は、シミュレートされたオフロード運転環境から収集された熟練したドライバー制御入力とセンサー データを使用してトレーニングされました。
GoonDAE を評価するために、シミュレートされた環境で熟練していないドライバーを対象に実験を行いました。
その結果,提案システムにより走行安定性が大幅に向上することが分かった.
要約(オリジナル)
Because of the limitations of autonomous driving technologies, teleoperation is widely used in dangerous environments such as military operations. However, the teleoperated driving performance depends considerably on the driver’s skill level. Moreover, unskilled drivers need extensive training time for teleoperations in unusual and harsh environments. To address this problem, we propose a novel denoising-based driver assistance method, namely GoonDAE, for real-time teleoperated off-road driving. The unskilled driver control input is assumed to be the same as the skilled driver control input but with noise. We designed a skip-connected long short-term memory (LSTM)-based denoising autoencoder (DAE) model to assist the unskilled driver control input by denoising. The proposed GoonDAE was trained with skilled driver control input and sensor data collected from our simulated off-road driving environment. To evaluate GoonDAE, we conducted an experiment with unskilled drivers in the simulated environment. The results revealed that the proposed system considerably enhanced driving performance in terms of driving stability.
arxiv情報
著者 | Younggeol Cho,Hyeonggeun Yun,Jinwon Lee,Arim Ha,Jihyeok Yun |
発行日 | 2023-03-01 02:09:29+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google