2024-07
无监督人工神经网络（ANN）自组织图（SOM）在识别汽车销售主要因素中的应用
分类： 人工智能, 机器学习, 神经和进化计算
作者： Mazyar Taghavi
发布时间： 2024-07-29
链接： http://arxiv.org/abs/2408.05110v1
摘要： 根据不同的消费者品味，吸引客户并说服他们购买新车的因素也各不相同。有一些方法可以从海量数据中提取模式。在这种情况下，我们首先要求乘用车营销专家使用模糊德尔菲技术对影响客户决策行为的更重要因素进行排序，然后我们提供了问卷调查中的样本集，并尝试应用一种有用的人工神经网络方法（称为自组织映射SOM）来找到找出哪些因素对伊朗客户的购买决策影响更大。应用模糊工具使研究更加真实。 MATLAB软件用于开发和训练网络。结果表明，有四个因素比其他因素更重要。结果与营销专家的排名有很大不同。这样的结果将有助于制造商专注于更重要的因素并提高公司的销售水平。
前车运动的触觉反馈可以改善驾驶控制
分类： 机器人技术, 人机交互, 系统与控制, 系统与控制
作者： Xiaoxiao Cheng, Xianzhe Geng, Yanpei Huang, Etienne Burdet
发布时间： 2024-07-29
链接： http://arxiv.org/abs/2407.20439v1
摘要： 本研究研究了触觉反馈在跟车场景中的作用，其中通过与其虚拟弹性连接提供有关前方车辆运动的信息。我们在模拟驾驶环境中使用机器人界面，研究了不同级别的触觉反馈对驾驶员在避开障碍物时遵循道路的能力的影响。对 15 名受试者进行的实验结果表明，前车运动的触觉反馈可以显着改善驾驶控制（即减少运动急动和偏离道路）并减轻精神负担（通过问卷评估）。这表明，在物理交互的人类之间观察到的触觉通信可用于提高自动驾驶系统的安全性和效率，从而有必要在真实驾驶场景中进行进一步测试。
ProRuka：一种高效的 HMI 算法，用于使用超声检查控制新型 6 自由度假肢
分类： 系统与控制, 系统与控制
作者： Vaheh Nazari, Yong-Ping Zheng
发布时间： 2024-07-29
链接： http://arxiv.org/abs/2407.19859v1
摘要： 声肌描记术 (SMG) 是一种新颖的人机界面，它通过使用超声波成像监测前臂肌肉活动来控制上肢假肢。在过去的二十年中，人们对 SMG 进行了控制上肢假肢的研究。结果表明，该方法与人工智能相结合，可以对不同的手势进行分类，准确率超过90%，使其成为肌电图（EMG）的一个很好的替代控制系统。然而，到目前为止，很少有报道称将 SMG 与假肢集成在一起，用于对截肢者进行测试，以展示其与日常活动相关的能力。在这项研究中，我们开发了 ProRuka，一种新型低成本 6 自由度假手，集成了带有可穿戴超声成像探头的 SMG 系统提供的控制。首先使用不同的机器学习分类/回归算法（包括 KNN、最近邻回归、随机森林、决策树分类器、决策树回归、支持向量回归和支持向量机）结合迁移学习模型（VGG16）对手势进行分类离线评估以确定其可靠性和精度。此外，在使用各种手部功能测试套件的实时实验中，对两名截肢者对开发的控制系统进行了评估。一项包含 10 名健康参与者的离线研究结果表明，可以对 9 种不同的手部动作进行分类，成功率为 100%。此外，实时手部功能测试（使用4种不同的手势）证实，设计的带有SMG控制系统的假肢可以帮助截肢者进行日常活动所需的各种手部动作。
DreamCar：利用特定于汽车的先验进行野外 3D 汽车重建
分类： 计算机视觉和模式识别
作者： Xiaobiao Du, Haiyang Sun, Ming Lu, Tianqing Zhu, Xin Yu
发布时间： 2024-07-24
链接： http://arxiv.org/abs/2407.16988v1
摘要： 自动驾驶行业通常聘请专业艺术家来打造精美的 3D 汽车。然而，制作大规模数字资产的成本很高。由于已经有大量可用的数据集包含大量汽车图像，因此我们专注于从这些数据集重建高质量的 3D 汽车模型。然而，这些数据集仅包含向前移动场景中汽车的一侧。我们尝试使用现有的生成模型来提供更多的监督信息，但它们很难在汽车中很好地推广，因为它们是在非汽车特定的合成数据集上进行训练的。此外，由于在处理野外图像时相机姿态估计存在较大误差，因此重建的 3D 汽车纹理未对齐。这些限制使得之前重建完整 3D 汽车的方法面临挑战。为了解决这些问题，我们提出了一种名为 DreamCar 的新方法，它可以在给定几个图像甚至单个图像的情况下重建高质量的 3D 汽车。为了推广生成模型，我们收集了一个名为 Car360 的汽车数据集，其中包含 5,600 多辆车辆。通过这个数据集，我们使生成模型对汽车更加稳健。我们使用特定于汽车的生成先验来通过分数蒸馏采样来指导其重建。为了进一步补充监督信息，我们利用汽车的几何和外观对称性。最后，我们提出了一种姿势优化方法，可以纠正姿势以解决纹理错位问题。大量实验表明，我们的方法在重建高质量 3D 汽车方面明显优于现有方法。 \href{https://xiaobiaodu.github.io/dreamcar-project/}{我们的代码可用。}
EcoFollower：考虑油耗的环保汽车跟随模型
分类： 机器人技术, 人工智能
作者： Hui Zhong, Xianda Chen, PakHin Tiu, Hongliang Lu, Meixin Zhu
发布时间： 2024-07-22
链接： http://arxiv.org/abs/2408.03950v1
摘要： 为了缓解交通运输造成的能源短缺和环境影响，本研究引入了 EcoFollower，这是一种利用强化学习 (RL) 开发的新型生态汽车跟驰模型，用于优化跟驰场景中的燃油消耗。使用 NGSIM 数据集，将 EcoFollower 的性能与成熟的智能驾驶员模型 (IDM) 进行比较进行评估。研究结果表明，EcoFollower 在模拟真实驾驶行为、保持车辆平稳运行以及与碰撞时间 (TTC)、车距和舒适度等地面实况指标密切匹配方面表现出色。值得注意的是，该模型实现了油耗的大幅降低，与实际驾驶场景相比降低了10.42%。这些结果强调了 EcoFollower 等基于强化学习的模型增强自动驾驶汽车算法、促进更安全、更节能的驾驶策略的能力。
基于信息数据融合算法的汽车实时运行状态评估技术研究
分类： 数值分析, 数值分析
作者： Zuo Yanhong, Xia Shilong, Zhou Chao, Yang Kun
发布时间： 2024-07-21
链接： http://arxiv.org/abs/2407.15033v2
摘要： 汽车已经成为人类主要的交通工具，其在运行过程中出现的故障直接关系到驾驶员的生命财产安全。因此，实时运行状态评估技术已成为当前学术界亟待解决的问题。汽车实时运行状态评估技术的前提是实时获取高质量的信息数据，但汽车运行环境复杂多变，导致测量的信息数据受到设备等多种因素的影响。性能和信号干扰。存在不可预测的测量误差，极大地影响运行状态评估系统的可靠性。本文在研究汽车结构和运行特性的基础上，设计了一种可用于汽车实时运行状态评估的方法；通过对分数阶微积分理论的研究，建立了基于分数阶微分算子的信息数据融合数学模型。通过向汽车实时运行状态评估系统提供高质量的信息数据，可以实现汽车故障的实时运行状态评估技术。通过将该技术应用于汽车实时运行状态评估系统的实验，验证了该方法的可行性和有效性。研究成果对于促进汽车产业发展、保障驾驶员生命财产安全具有重要意义。
基于分数阶微分算子的汽车故障实时诊断与预警技术研究
分类： 数值分析, 数值分析
作者： Zuo Yanhong, Xia Shilong, Zhou Chao, Yang Kun
发布时间： 2024-07-21
链接： http://arxiv.org/abs/2407.15033v1
摘要： 汽车已经成为人类主要的交通工具，其在运行过程中出现的故障直接关系到驾驶员的生命财产安全。因此，汽车故障诊断与预警技术已成为当前学术界亟待解决的问题。汽车实时准确诊断预警的前提是实时获取高质量的信息数据，但汽车运行环境复杂多变，导致测量的信息数据受到多种因素的影响，例如设备性能和信号干扰。存在不可预测的测量误差，极大地影响故障诊断和预警系统的可靠性。本文在研究汽车结构和运行特性的基础上，设计了一种可用于汽车故障实时诊断和预警的方法；通过对分数阶微积分理论的研究，建立了基于分数阶微分算子的信息数据融合数学模型。通过为汽车故障诊断预警系统提供高质量的信息数据，实现汽车故障实时准确的诊断预警功能。通过将该技术应用于汽车故障诊断预警的实验，验证了该方法的可行性和有效性。研究成果对于促进汽车产业发展、保障驾驶员生命财产安全具有重要意义。
在动态交通环境中持续学习适应性跟车
分类： 机器学习, 人工智能
作者： Xianda Chen, PakHin Tiu, Xu Han, Junjie Chen, Yuanfei Wu, Xinhu Zheng, Meixin Zhu
发布时间： 2024-07-17
链接： http://arxiv.org/abs/2407.14247v1
摘要： 自动驾驶技术的不断发展需要跟驰模型能够适应多样化、动态的交通环境。由于缺乏持续学习能力，传统的基于学习的模型在遇到看不见的流量模式时常常会出现性能下降的问题。本文提出了一种基于持续学习的新型跟车模型来解决这一局限性。我们的框架结合了弹性权重合并（EWC）和内存感知突触（MAS）技术来减轻灾难性遗忘，并使模型能够从新的流量数据流中增量学习。我们评估了所提出模型在包含各种交通场景的 Waymo 和 Lyft 数据集上的性能。结果表明，持续学习技术显着优于基线模型，在所有交通条件下实现了 0% 的碰撞率。这项研究通过促进更强大、适应性更强的跟车模型的开发，为自动驾驶技术的进步做出了贡献。
CartPole 和 F1TENTH 赛车的硬件神经控制
分类： 机器人技术, 机器学习, 系统与控制, 系统与控制
作者： Marcin Paluch, Florian Bolli, Xiang Deng, Antonio Rios Navarro, Chang Gao, Tobi Delbruck
发布时间： 2024-07-11
链接： http://arxiv.org/abs/2407.08681v1
摘要： 非线性模型预测控制（NMPC）已被证明是一种有效的控制方法，但计算成本昂贵。这项工作演示了如何使用经过训练的硬件 FPGA 神经网络控制器来通过监督学习来模拟 NMPC。我们使用这些在廉价嵌入式 FPGA 硬件上实现的神经控制器 (NC)，对物理 cartpole 和 F1TENTH 赛车进行高频控制。我们的结果表明，由于快速 FPGA NC 推理提供了更快的控制速率，NC 在模拟中与 NMPC 的控制性能相匹配，并且优于现实中的控制性能。我们演示了物理推杆的 kHz 控制速率以及 F1TENTH 汽车上 FPGA 硬件的卸载控制。本文的代码和硬件实现可从 https://github.com/SensorsINI/Neural-Control-Tools 获取。
往返汽车共享中的集成用户匹配和定价
分类： 系统与控制, 系统与控制
作者： Avalpreet Singh Brar, Rong Su, Gioele Zardini, Jaskaranveer Kaur
发布时间： 2024-07-11
链接： http://arxiv.org/abs/2407.08238v1
摘要： 传统的往返汽车租赁系统要求用户将车辆返回原点，限制了系统满足不同出行需求的适应性。这种限制通常会导致车队利用率不足，并导致闲置车辆产生高昂的停车成本。为了解决这种低效率问题，我们提出了一种 N 用户匹配算法，旨在促进往返租赁框架内的单程旅行。我们的算法通过基于两阶段整数线性规划（ILP）的公式解决了最优定价和用户匹配的联合问题。在第一阶段，通过设置控制匹配一组 N 用户的可能性的风险因子来确定最佳租赁价格。第二阶段涉及通过基于 ILP 的新型用户匹配公式来最大化预期利润。在现实场景中测试我们的算法表明，需求满足率提高了约 35%。此外，我们还通过风险因素（用户以所提供的价格接受乘车的概率）、成本因素（租赁成本与票价比率）和最大链长度等不同因素来评估模型在不确定性下的稳健性。
汽车视觉感知的可变形热图分割
分类： 计算机视觉和模式识别
作者： Hongyu Jin
发布时间： 2024-07-10
链接： http://arxiv.org/abs/2407.07493v1
摘要： 二维图像中道路元素的语义分割是识别一些静态对象（例如车道线和自由空间）的关键任务。在本文中，我们提出了 DHSNet，它通过端到端架构和热图提案来提取对象特征。所提出的网络中还利用了可变形卷积。 DHSNet 通过使用上采样算子以及下采样算子以 U 形方式将低级特征图与高级特征图精细地结合起来。此外，DHSNet 还旨在捕获各种形状和尺度的静态物体。我们还预测提案热图来检测提案点，以便在网络中更准确地瞄准目标。
GenFollower：利用大型语言模型增强跟车预测
分类： 人工智能
作者： Xianda Chen, Mingxing Peng, PakHin Tiu, Yuanfei Wu, Junjie Chen, Meixin Zhu, Xinhu Zheng
发布时间： 2024-07-08
链接： http://arxiv.org/abs/2407.05611v1
摘要： 跟车行为的准确建模对于交通管理和自动驾驶系统中的各种应用至关重要。然而，当前的方法常常受到诸如对数据质量高度敏感和缺乏可解释性等限制。在这项研究中，我们提出了 GenFollower，一种新颖的零样本提示方法，利用大型语言模型 (LLM) 来应对这些挑战。我们将跟车行为重新定义为语言建模问题，并将异构输入集成到大语言模型的结构化提示中。与传统基线模型相比，该方法提高了预测性能和可解释性。 Waymo 开放数据集上的实验证明了 GenFollower 的卓越性能以及为影响跟车行为的因素提供可解释的见解的能力。这项工作有助于增进对跟车行为的理解和预测，为增强交通管理和自动驾驶系统铺平道路。
驾驭互联汽车网络安全：使用 RAN 数据进行位置异常检测
分类： 密码学和安全, 网络和互联网架构
作者： Feng Wang, Yaron Koral, Kenichi Futamura
发布时间： 2024-07-02
链接： http://arxiv.org/abs/2407.02698v1
摘要： 联网汽车的网络安全是更广泛的物联网 (IoT) 领域不可或缺的一部分，已成为最受关注的问题。网络攻击，包括劫持和欺骗，对这些技术进步构成重大威胁，可能导致对车辆网络的未经授权的控制或创建欺骗性身份。鉴于在所有车辆上部署全面防御逻辑的难度，本文提出了一种通过无线电接入网络（RAN）事件监控来识别潜在攻击的新方法。本文的主要贡献是位置异常检测模块，该模块可识别同时出现在多个位置的异常设备——这是劫持攻击的潜在指标。我们演示了基于 RAN 事件的位置异常检测如何有效打击针对联网汽车的恶意活动。利用数千万辆联网汽车生成的 RAN 数据，我们开发了一种快速有效的方法来识别潜在的恶意或流氓设备。这项研究的影响是深远的。通过提高联网汽车的安全性，我们可以增强用户的安全，为汽车行业提供强大的防御，并改善物联网设备的整体网络安全实践。