論文の概要: Collective Awareness for Abnormality Detection in Connected Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2010.14908v1
• Date: Wed, 28 Oct 2020 12:11:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 06:32:09.202291
• Title: Collective Awareness for Abnormality Detection in Connected Autonomous Vehicles
• Title（参考訳）: 自律走行車における異常検出のための集団的認識
• Authors: Divya Thekke Kanapram, Fabio Patrone, Pablo Marin-Plaza, Mario Marchese, Eliane L. Bodanese, Lucio Marcenaro, David Mart\'in G\'omez, Carlo Regazzoni
• Abstract要約: 本稿では,知的エージェントのネットワークにおいて,集団認識の初期レベルを開発するための新しいアプローチを提案する。 特定の集団的自己認識機能、すなわちエージェントが異常な状況を検出することを考える。 また、ネットワークの各エージェントによって分散的に検知されたデータを共有するために、ネットワークが使用する通信チャネルによって影響を評価する。
• 参考スコア（独自算出の注目度）: 4.659696262995864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advancements in connected and autonomous vehicles in these times demand the availability of tools providing the agents with the capability to be aware and predict their own states and context dynamics. This article presents a novel approach to develop an initial level of collective awareness in a network of intelligent agents. A specific collective self awareness functionality is considered, namely, agent centered detection of abnormal situations present in the environment around any agent in the network. Moreover, the agent should be capable of analyzing how such abnormalities can influence the future actions of each agent. Data driven dynamic Bayesian network (DBN) models learned from time series of sensory data recorded during the realization of tasks (agent network experiences) are here used for abnormality detection and prediction. A set of DBNs, each related to an agent, is used to allow the agents in the network to each synchronously aware possible abnormalities occurring when available models are used on a new instance of the task for which DBNs have been learned. A growing neural gas (GNG) algorithm is used to learn the node variables and conditional probabilities linking nodes in the DBN models; a Markov jump particle filter (MJPF) is employed for state estimation and abnormality detection in each agent using learned DBNs as filter parameters. Performance metrics are discussed to asses the algorithms reliability and accuracy. The impact is also evaluated by the communication channel used by the network to share the data sensed in a distributed way by each agent of the network. The IEEE 802.11p protocol standard has been considered for communication among agents. Real data sets are also used acquired by autonomous vehicles performing different tasks in a controlled environment.
• Abstract（参考訳）: 現代のコネクテッドおよび自律走行車の進歩は、エージェントに自身の状態や状況のダイナミクスを認識し予測する能力を提供するツールの提供を要求する。 本稿では,知的エージェントのネットワークにおける集団意識の初期レベルを開発するための新しいアプローチを提案する。 特定の集団的自己認識機能、すなわち、ネットワーク内のエージェントの周囲の環境に存在する異常な状況を検出するエージェントについて検討する。 さらに、これらの異常が各エージェントの今後の行動にどのように影響を与えるかを分析することができるべきである。 データ駆動動的ベイズネットワーク(dbn)モデルは、タスクの実現(エージェントネットワーク経験)中に記録された一連の感覚データから学習され、異常検出と予測に使用される。 エージェントに関連するDBNのセットを使用して、ネットワーク内のエージェントが、DBNが学習されたタスクの新たなインスタンスで利用可能なモデルが使用されるときに発生する可能性のある異常を同期的に認識できるようにする。 成長するニューラルガス(GNG)アルゴリズムを用いてDBNモデルのノードをリンクするノード変数と条件確率を学習し、学習DBNをフィルタパラメータとして各エージェントの状態推定と異常検出にマルコフジャンプ粒子フィルタ(MJPF)を用いる。 アルゴリズムの信頼性と正確性を評価するために、パフォーマンスメトリクスが議論される。 また、ネットワークの各エージェントによって分散的に検知されたデータを共有するために、ネットワークが使用する通信チャネルによって影響を評価する。 IEEE 802.11pプロトコル標準はエージェント間の通信のために検討されている。 リアルデータセットは、制御された環境で異なるタスクを実行する自動運転車によっても利用されます。

関連論文リスト

• A Framework for the Systematic Assessment of Anomaly Detectors in Time-Sensitive Automotive Networks [0.4077787659104315]
  本稿では,異常検出アルゴリズムの再現性,比較性,迅速な評価を可能にするアセスメントフレームワークを提案する。 実例検出機構を評価し,TSNトラフィックフローと異常型の組み合わせによって検出性能がどう影響するかを明らかにする。
  論文  参考訳（メタデータ） (2024-05-02T14:29:42Z)
• Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
  Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。 本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
  論文  参考訳（メタデータ） (2024-02-08T22:05:45Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• Distributed Learning over Networks with Graph-Attention-Based Personalization [49.90052709285814]
  分散ディープラーニングのためのグラフベースパーソナライズアルゴリズム(GATTA)を提案する。 特に、各エージェントのパーソナライズされたモデルは、グローバルな部分とノード固有の部分で構成される。 グラフ内の各エージェントを1つのノードとして扱うことにより、ノード固有のパラメータを特徴として扱うことにより、グラフアテンション機構の利点を継承することができる。
  論文  参考訳（メタデータ） (2023-05-22T13:48:30Z)
• CADeSH: Collaborative Anomaly Detection for Smart Homes [17.072108188004396]
  本稿では,2段階の協調的異常検出手法を提案する。 最初はオートエンコーダを使用して、頻繁な(良性)と頻繁な(悪意のある)トラフィックフローを区別する。 クラスタリングは、希少なフローのみを分析し、それを既知の('rare yet beign')または未知の(malicious')として分類する。
  論文  参考訳（メタデータ） (2023-03-02T07:22:26Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
  グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。 当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。 我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
  論文  参考訳（メタデータ） (2021-03-08T21:48:55Z)
• Self-awareness in intelligent vehicles: Feature based dynamic Bayesian models for abnormality detection [4.251384905163326]
  本稿では,自律走行車における自己認識性向上のための新しい手法を提案する。 車両からの時系列データは、データ駆動型動的ベイズネットワーク(DBN)モデルの開発に使用される。 協調作業における共同異常検出が可能な初期レベル集団認識モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-29T09:29:47Z)
• Self-awareness in Intelligent Vehicles: Experience Based Abnormality Detection [4.721146043492144]
  本稿では,車両内部の相互相関パラメータに基づく異常検出手法を提案する。 動的ベイズネットワーク(DBN)モデルをトレーニングすることで、車両が誤動作している可能性を自動評価し、検出することができる。
  論文  参考訳（メタデータ） (2020-10-28T16:08:54Z)
• Team Deep Mixture of Experts for Distributed Power Control [23.612400109629544]
  我々は、よく知られたMixture of Experts(MoE)モデルから着想を得たアーキテクチャを提案する。 時間変動統計シナリオを効率的に追跡する Team-DMoE モデルの有効性を示す。
  論文  参考訳（メタデータ） (2020-07-28T12:01:06Z)
• Brainstorming Generative Adversarial Networks (BGANs): Towards Multi-Agent Generative Models with Distributed Private Datasets [70.62568022925971]
  生成的敵ネットワーク(GAN)は、データ空間を適切に表現する大規模なデータセットによって供給されなければならない。 多くのシナリオでは、利用可能なデータセットは制限され、複数のエージェントに分散する可能性がある。 本稿では,BGAN(Breepstorming GAN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-02T02:58:32Z)

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。