2022-11

车辆远程操作中通过环境透视投影进行预测显示以解决时滞问题

分类： 人机交互, 机器人技术

作者： Jai Prakash, Michele Vignati, Daniele Vignarca, Edoardo Sabbioni, Federico Cheli

发布时间： 2022-11-22

链接： http://arxiv.org/abs/2211.11918v1

摘要： 远程操作为操作员提供了复杂的感知和认知技能，使其进入网络控制环路。它有望通过提供备用计划来解决与基于人工智能的车辆自主相关的一些挑战。数据传输中的可变网络时间延迟是远程操作车辆的主要问题。在 4G 网络上，这些延迟的可变性很高。因此，视频流和驱动命令都会遇到可变的时间延迟。本文提出了一种为操作员提供预测视频流的方法，该方法复制了车辆视野的未来视角，并考虑了网络中存在的延迟。关于图像变换，透视投影技术与控制环中史密斯预测器给出的校正相结合。该图像转换考虑了当前的时间延迟，并试图解决时间延迟及其可变性这两个问题。出于实验目的，仅预测前方视野。通过对街道边缘情况进行在线车辆远程操作来评估性能，然后比较有和没有透视投影的路径偏差。

AutoTherm：室内和车辆热舒适度评估的数据集和基准

分类： 人机交互

作者： Mark Colley, Sebastian Hartwig, Albin Zeqiri, Timo Ropinski, Enrico Rukzio

发布时间： 2022-11-15

链接： http://arxiv.org/abs/2211.08257v4

摘要： 建筑物内部的热舒适度是一个经过充分研究的领域，其中收集人类对热舒适度的判断，并可用于自动热舒适度估计。然而，室内场景在热状态变化方面相当静态，因此不能应用于动态条件，例如车内。在这项工作中，我们展示了建筑场景和车内场景之间在热舒适度估计方面存在差距的发现。我们通过比较用于室内和车内条件热舒适度估计的深度神经分类器来提供证据。此外，我们引入了用于室内预测的时间数据集，其中包含 31 个输入信号和 18 名受试者在自建气候室中进行的自标记用户评分。对于车内场景，我们获取了第二个数据集，其中包含 BMW 3 系 20 名受试者的人类判断。我们的实验结果表明，时间序列数据估计的性能优于单向量输入。利用现代机器学习架构使我们能够识别人体热舒适状态并自动估计未来状态。我们提供了有关训练基于循环网络的分类器的详细信息，并对所提出的数据集执行初始性能基准测试。最终，我们将收集的数据集与公开的热舒适数据集进行比较。