Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Robust and Probabilistic Motion Prediction for Intelligent Infrastructure Systems
Übersetzter Titel:
Robuste und Probabilistische Bewegungsvorhersage für Intelligente Infrastruktursysteme
Autor:
Schöller, Christoph
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Knoll, Alois Christian (Prof. Dr. habil.)
Gutachter:
Knoll, Alois Christian (Prof. Dr. habil.); Gilitschenski, Igor (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 260; DAT 815
Kurzfassung:
The safety of autonomous vehicles relies on accurate motion prediction. However, even the latest neural prediction models suffer from limited generalization and poor probabilistic modeling. Furthermore, even the best model can only function with a precise state estimate. In this work, we analyze what makes prediction models robust, propose a novel prediction architecture, and show how an intelligent infrastructure system can be used to obtain a reliable traffic perception for making predictions.
Übersetzte Kurzfassung:
Autonomes Fahren wird nur durch eine präzise Bewegungsvorhersage sicher. Die Generalisierung und probabilistische Ausdrucksfähigkeit moderner Prädiktionsmodelle ist jedoch begrenzt. Zudem hängt ihre Genauigkeit stark von der Perzeptionsleistung des Systems ab. In dieser Arbeit untersuchen wir, was eine verlässliche Prädiktion ausmacht, entwickeln ein neues Prädiktionsmodell, und zeigen, wie intelligente Infrastruktursysteme genutzt werden können, um eine akkurate Perzeption zu erzeugen.
WWW:
https://mediatum.ub.tum.de/?id=1655142
Eingereicht am:
19.05.2022
Mündliche Prüfung:
29.11.2022
Dateigröße:
27138942 bytes
Seiten:
132
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221129-1655142-1-5
Letzte Änderung:
30.12.2022
 BibTeX