Fugu-MT 論文翻訳(概要): Self-driving car safety quantification via component-level analysis

論文の概要: Self-driving car safety quantification via component-level analysis

arxiv url: http://arxiv.org/abs/2009.01119v4
Date: Mon, 12 Apr 2021 14:52:46 GMT
ステータス: 処理完了
システム内更新日: 2022-10-22 19:54:28.090823
Title: Self-driving car safety quantification via component-level analysis
Title（参考訳）: コンポーネントレベル分析による自動運転車の安全性定量化
Authors: Juozas Vaicenavicius and Tilo Wiklund and Aust\.e Grigait\.e and Antanas Kalkauskas and Ignas Vysniauskas and Steven Keen
Abstract要約: 自動運転車の安全性や機能不全を議論するための厳密なモジュラー統計手法を提案する。本研究は, 車両全体の安全のために, 部品レベルでの十分な, 必要な条件の重要性を説明する。
参考スコア（独自算出の注目度）: 0.14680035572775535
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a rigorous modular statistical approach for arguing safety or its insufficiency of an autonomous vehicle through a concrete illustrative example. The methodology relies on making appropriate quantitative studies of the performance of constituent components. We explain the importance of sufficient and necessary conditions at the component level for the overall safety of the vehicle as well as the cost-saving benefits of the approach. A simple concrete automated braking example studied illustrates how separate perception system and operational design domain statistical analyses can be used to prove or disprove safety at the vehicle level.
Abstract（参考訳）: 本稿では,具体例を通して,自動運転車の安全性や不便さを議論するための厳密なモジュラー統計手法を提案する。この手法は構成成分の性能を適切に定量的に研究することに依存している。本研究は, 車両全体の安全性とコスト削減効果を両立させるため, 部品レベルでの十分な, 必要な条件の重要性を説明する。簡単な具体的自動ブレーキの例は、車両レベルでの安全性を証明するために、認識システムと運用設計領域の統計分析を区別する方法を示している。

関連論文リスト

What Makes and Breaks Safety Fine-tuning? A Mechanistic Study [64.9691741899956]
安全性の微調整は、大規模な言語モデル(LLM)を、安全なデプロイメントのための人間の好みに合わせるのに役立つ。安全でない入力の健全な側面をキャプチャする合成データ生成フレームワークを設計する。これを用いて,3つのよく知られた安全微調整手法について検討する。
論文参考訳（メタデータ） (2024-07-14T16:12:57Z)
Empowering Autonomous Driving with Large Language Models: A Safety Perspective [82.90376711290808]
本稿では,Large Language Models (LLM) の自律運転システムへの統合について検討する。 LLMは行動計画におけるインテリジェントな意思決定者であり、文脈的安全学習のための安全検証シールドを備えている。適応型LLM条件モデル予測制御(MPC)と状態機械を用いたLLM対応対話型行動計画スキームという,シミュレーション環境における2つの重要な研究について述べる。
論文参考訳（メタデータ） (2023-11-28T03:13:09Z)
A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文参考訳（メタデータ） (2023-08-02T09:48:08Z)
Leveraging Traceability to Integrate Safety Analysis Artifacts into the Software Development Process [51.42800587382228]
安全保証ケース(SAC)は、システムの進化中に維持することが困難である。本稿では,ソフトウェアトレーサビリティを活用して,関連するシステムアーチファクトを安全解析モデルに接続する手法を提案する。安全ステークホルダーがシステム変更が安全性に与える影響を分析するのに役立つように、システム変更の合理性を設計する。
論文参考訳（メタデータ） (2023-07-14T16:03:27Z)
Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文参考訳（メタデータ） (2022-12-12T06:30:17Z)
Safety Analysis of Autonomous Driving Systems Based on Model Learning [16.38592243376647]
自律運転システム(ADS)の安全性解析のための実用的検証手法を提案する。主なアイデアは、指定されたトラフィックシナリオにおけるADSの振る舞いを定量的に描写する代理モデルを構築することである。文献における最先端ADSの安全性特性を評価することによって,提案手法の有用性を実証する。
論文参考訳（メタデータ） (2022-11-23T06:52:40Z)
An Empirical Analysis of the Use of Real-Time Reachability for the Safety Assurance of Autonomous Vehicles [7.1169864450668845]
本稿では,1/10スケールのオープンソース自動運転車プラットフォームの安全性を確保するために,シンプルなアーキテクチャの実装にリアルタイムリーチビリティアルゴリズムを提案する。提案手法では,システムの将来状態に対するコントローラの判断の影響に着目して,基盤となるコントローラを解析する必要性を抽象化する。
論文参考訳（メタデータ） (2022-05-03T11:12:29Z)
Reliability Assessment and Safety Arguments for Machine Learning Components in Assuring Learning-Enabled Autonomous Systems [19.65793237440738]
LES(Learning-Enabled Systems)のための総合保証フレームワークを提案する。次に、ML分類器のための新しいモデルに依存しない信頼性評価モデル(RAM)を提案する。モデル仮定と、我々のRAMが発見したML信頼性を評価するための固有の課題について論じる。
論文参考訳（メタデータ） (2021-11-30T14:39:22Z)
Towards formalization and monitoring of microscopic traffic parameters using temporal logic [1.3706331473063877]
本稿では,形式言語Signal Temporal Logicを用いた交通ネットワーク解析のための仕様ベースのモニタリング手法を提案する。我々は、速度制限に適合し、適切な進路を維持するなど、安全関連行動を特定するモニターを開発する。この作業は交通管理センターがトラヒックストリーム特性を調査し、ハザードを特定し、トラヒック監視システムを自動化する上で貴重なフィードバックを提供するために利用することができる。
論文参考訳（メタデータ） (2021-10-12T17:59:26Z)
The missing link: Developing a safety case for perception components in automated driving [10.43163823170716]
知覚は自動運転システム(AD)の重要な側面であり、機械学習(ML)に大きく依存している。 MLベースのコンポーネントの安全性を保証するという既知の課題にもかかわらず、最近、これらのコンポーネントに対処するユニットレベルの安全ケースの提案が登場した。本稿では、知覚成分に特化して調整されたリンク引数に対する汎用テンプレートを提案する。
論文参考訳（メタデータ） (2021-08-30T15:12:27Z)
Evaluating the Safety of Deep Reinforcement Learning Models using Semi-Formal Verification [81.32981236437395]
本稿では,区間分析に基づく半形式的意思決定手法を提案する。本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
論文参考訳（メタデータ） (2020-10-19T11:18:06Z)

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。