TL;DR
- چکیده:.
- وسایل نقلیه خودکار (AVs) برای ناوبری ایمن در محیطهای ترافیکی متنوع به پیشبینی مسیر دقیق متکی هستند،.
- اما مدلهای موجود با سناریوهای دم بلند دست و پنجه نرم میکنند- رویدادهای نادر اما حیاتی ایمنی که.
چه اتفاقی افتاد
چکیده:. وسایل نقلیه خودکار (AVs) برای ناوبری ایمن در محیطهای ترافیکی متنوع به پیشبینی مسیر دقیق متکی هستند،.
اما مدلهای موجود با سناریوهای دم بلند دست و پنجه نرم میکنند- رویدادهای نادر اما حیاتی ایمنی که. با مانورهای ناگهانی،.
خطرات برخورد زیاد،. و فعل و انفعالات پیچیده مشخص میشوند.
این چالشها از عدم تعادل دادهها،. تعاریف ناکافی از مسیرهای دم بلند و استراتژیهای یادگیری غیربهینه ناشی میشوند که رفتارهای رایج را بر رفتارهای.
غیرمعمول اولویت میدهند. برای پرداختن به این موضوع،.
ما SAIL را پیشنهاد میکنیم،. یک چارچوب جدید که بهطور سیستماتیک با مشکل دم دراز ابتدا با تعریف و مدلسازی مسیرها در سه.
بعد ویژگی کلیدی مقابله میکند:. خطای پیشبینی،.
خطر برخورد،. و پیچیدگی حالت.
سپس رویکرد ما یک فرآیند تقویت و استخراج ویژگی هدایتشده با ویژگی را با یک استراتژی یادگیری متضاد. بسیار تطبیقی هم افزایی میکند.
این استراتژی از یک برنامه حرکت کسینوس پیوسته،. استخراج سخت منفی با وزن مشابه،.
و یک مکانیسم شبه برچسبگذاری پویا مبتنی بر خوشهبندی ویژگی در حال تکامل استفاده میکند. علاوه بر این،.
یک مکانیسم تمرکز برای تشدید یادگیری بر روی نمونههای سخت مثبت در هر کلاس شناسایی شده را. شامل میشود.
این طراحی جامع،. SAIL را قادر میسازد تا در شناسایی و پیشبینی رویدادهای متنوع و چالشبرانگیز دم بلند برتر باشد.
ارزیابیهای گسترده بر روی مجموعه دادههای nuScenes و ETH/UCY عملکرد برتر SAIL را نشان میدهد که در سختترین. 1 درصد نمونههای دم بلند در مقایسه با خطوط پایه پیشرفته،.
تا 28. 8 درصد کاهش خطای پیشبینی را به دست میآورد،.
در حالی که دقت رقابتی را در تمام سناریوها حفظ میکند. این چارچوب، پیشبینی مسیر AV قابل اعتماد را در تنظیمات مختلط خودکار در دنیای واقعی ارتقا میدهد.
فناوریهای نوظهور (cs. ET)؛ یادگیری ماشینی (cs.
LG) استناد بهعنوان: (یا v1 [cs. ET] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Bin Rao [مشاهده ایمیل] [v1] دوشنبه،.
6 آوریل 2026،. 10:.
09:. 24 UTC (10,.
927 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.