要約
自動運転への関心の高まりにより、現実的な交通シナリオにおける協調的な知覚プロセスを正確にシミュレートできる現実的なシミュレーション プラットフォームが求められています。
協力的な知覚に関する既存の研究では、現実世界の環境における伝送遅延やエラーが考慮されていないことがよくあります。
このギャップに対処するために、高度な協調認識とより現実的な通信モデルを統合する、エッジ AI ベースの自動運転シミュレーション プラットフォームである EI-Drive を紹介します。
CARLA フレームワーク上に構築された EI-Drive は、伝送遅延とエラーを考慮しながら協調知覚のための新しいモジュールを備えており、協調知覚アルゴリズムを評価するためのより現実的なプラットフォームを提供します。
特に、このプラットフォームにより車両は複数のソースからのデータを融合できるようになり、複雑な環境における状況認識と安全性が向上します。
EI-Drive はモジュール設計により、さまざまな協調運転シナリオにおけるセンシング、認識、計画、制御の詳細な調査を可能にします。
EI-Drive を使用した実験では、特に複雑な交通の流れやネットワーク条件が存在するシナリオにおいて、車両の安全性とパフォーマンスが大幅に向上することが実証されています。
すべてのコードとドキュメントは、GitHub ページ \url{https://ucd-dare.github.io/eidrive.github.io/} からアクセスできます。
要約(オリジナル)
The growing interest in autonomous driving calls for realistic simulation platforms capable of accurately simulating cooperative perception process in realistic traffic scenarios. Existing studies for cooperative perception often have not accounted for transmission latency and errors in real-world environments. To address this gap, we introduce EI-Drive, an edge-AI based autonomous driving simulation platform that integrates advanced cooperative perception with more realistic communication models. Built on the CARLA framework, EI-Drive features new modules for cooperative perception while taking into account transmission latency and errors, providing a more realistic platform for evaluating cooperative perception algorithms. In particular, the platform enables vehicles to fuse data from multiple sources, improving situational awareness and safety in complex environments. With its modular design, EI-Drive allows for detailed exploration of sensing, perception, planning, and control in various cooperative driving scenarios. Experiments using EI-Drive demonstrate significant improvements in vehicle safety and performance, particularly in scenarios with complex traffic flow and network conditions. All code and documents are accessible on our GitHub page: \url{https://ucd-dare.github.io/eidrive.github.io/}.
arxiv情報
著者 | Hanchu Zhou,Edward Xie,Wei Shao,Dechen Gao,Michelle Dong,Junshan Zhang |
発行日 | 2024-12-13 01:37:44+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google