論文の概要: Sense-Assess-eXplain (SAX): Building Trust in Autonomous Vehicles in
Challenging Real-World Driving Scenarios
- arxiv url: http://arxiv.org/abs/2005.02031v1
- Date: Tue, 5 May 2020 09:54:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 03:00:40.342010
- Title: Sense-Assess-eXplain (SAX): Building Trust in Autonomous Vehicles in
Challenging Real-World Driving Scenarios
- Title(参考訳): Sense-Assess-eXplain (SAX): 現実の運転シナリオにおける自律走行車における信頼の構築
- Authors: Matthew Gadd, Daniele De Martini, Letizia Marchegiani, Paul Newman,
Lars Kunze
- Abstract要約: 我々は,自律システムの大規模展開の保証と規制に対する重要な障壁を克服するために,基本的な技術的課題に対処する。
従来のセンサだけでなく、従来のセンサーを使って環境をしっかりと理解し、解釈できるロボットを構築する方法について紹介する。
珍しい、稀で、非常に価値のあるデータセットの収集において、現在進行中の作業について説明する。
- 参考スコア(独自算出の注目度): 24.459719212176637
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper discusses ongoing work in demonstrating research in mobile
autonomy in challenging driving scenarios. In our approach, we address
fundamental technical issues to overcome critical barriers to assurance and
regulation for large-scale deployments of autonomous systems. To this end, we
present how we build robots that (1) can robustly sense and interpret their
environment using traditional as well as unconventional sensors; (2) can assess
their own capabilities; and (3), vitally in the purpose of assurance and trust,
can provide causal explanations of their interpretations and assessments. As it
is essential that robots are safe and trusted, we design, develop, and
demonstrate fundamental technologies in real-world applications to overcome
critical barriers which impede the current deployment of robots in economically
and socially important areas. Finally, we describe ongoing work in the
collection of an unusual, rare, and highly valuable dataset.
- Abstract(参考訳): 本稿では,挑戦運転シナリオにおけるモバイル自律性研究の実証研究について述べる。
本手法では,自律システムの大規模展開の保証と規制に対する重要な障壁を克服する上で,基本的な技術的課題に対処する。
そこで本研究では,(1)従来のセンサや非従来型センサを用いて環境を堅牢に認識・解釈できるロボットの構築方法,(2)自己の能力を評価すること,(3)信頼性と信頼の両面から,その解釈と評価の因果的説明を提供することを提案する。
ロボットは安全で信頼性が高いことが不可欠であるため、我々は、ロボットの現在経済的、社会的に重要な領域への展開を妨げる重要な障壁を克服するために、現実世界のアプリケーションの基本技術の設計、開発、実証を行う。
最後に、珍しい、稀で非常に価値のあるデータセットの収集における進行中の作業について述べる。
関連論文リスト
- Common (good) practices measuring trust in HRI [55.2480439325792]
ロボットへの信頼は、人々の日常生活にロボットを取り入れるのに欠かせないと広く信じられている。
研究者たちは、人々がロボットをさまざまな方法で信頼する方法を模索してきた。
ほとんどのロボティクス学者は、信頼のレベルが不足すると解脱のリスクが生じることに同意する。
論文 参考訳(メタデータ) (2023-11-20T20:52:10Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳(メタデータ) (2023-11-13T21:20:17Z) - Security Considerations in AI-Robotics: A Survey of Current Methods,
Challenges, and Opportunities [4.466887678364242]
本稿では,AI-ロボティクスシステムにおけるセキュリティ問題への対処の必要性から,3次元にわたる包括的調査と分類について述べる。
まず、潜在的な攻撃面を調査し、防御戦略を緩和することから始める。
次に、依存関係や心理的影響などの倫理的問題や、これらのシステムに対する説明責任に関する法的懸念を掘り下げる。
論文 参考訳(メタデータ) (2023-10-12T17:54:20Z) - Autonomous Vehicles an overview on system, cyber security, risks,
issues, and a way forward [0.0]
この章は、自動運転車の複雑な領域を探求し、その基本的な構成要素と運用上の特性を分析します。
この調査の主な焦点は、サイバーセキュリティの領域、特に自動運転車の文脈にある。
これらの車両を潜在的な脅威から保護することを目的とした様々なリスク管理ソリューションについて、包括的な分析を行う。
論文 参考訳(メタデータ) (2023-09-25T15:19:09Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳(メタデータ) (2022-03-04T16:14:33Z) - Explainable Artificial Intelligence for Autonomous Driving: A
Comprehensive Overview and Field Guide for Future Research Directions [11.259749697686697]
この研究は、自動運転車のための説明可能な人工知能(XAI)アプローチの開発に包括的な光を当てている。
まず、最先端の自動運転車産業における説明について、現状のギャップを概観する。
第2に,本分野における説明書・説明書の分類について述べる。
第3に,エンド・ツー・エンドの自動運転システムのアーキテクチャの枠組みを提案する。
論文 参考訳(メタデータ) (2021-12-21T22:51:37Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳(メタデータ) (2021-10-28T16:04:01Z) - Challenges of engineering safe and secure highly automated vehicles [0.0]
本稿では,安全,安全,信頼性,信頼性の高い高度自動走行車(hav)を実現する上で,まだ克服すべき課題をまとめる。
havを実現する上での4つの課題は、継続的デプロイ後のシステム改善の実現、不確実性と不完全な情報の処理、機械学習コンポーネントによるhavの検証、予測である。
論文 参考訳(メタデータ) (2021-03-05T08:52:31Z) - Symbiotic System Design for Safe and Resilient Autonomous Robotics in
Offshore Wind Farms [3.5409202655473724]
Beyond Visual Line of Sight(BVLOS)ロボティクスの障壁には、運用上の安全コンプライアンスとレジリエンスが含まれます。
ロボットプラットフォームと遠隔操作者の相互利益のための知識共有によるライフサイクル学習と共進化を反映した共生システムを提案する。
本手法は,自律ミッションにおける安全性,信頼性,レジリエンスのリアルタイム検証を可能にする。
論文 参考訳(メタデータ) (2021-01-23T11:58:16Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳(メタデータ) (2020-07-14T05:25:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。