論文の概要: Ethical Decision Making During Automated Vehicle Crashes
- arxiv url: http://arxiv.org/abs/2010.16309v1
- Date: Fri, 30 Oct 2020 14:58:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-26 07:50:52.287873
- Title: Ethical Decision Making During Automated Vehicle Crashes
- Title（参考訳）: 自動車事故における倫理的意思決定
- Authors: Noah Goodall
- Abstract要約: 自動走行車は、すべてのセンサー、車両制御部品、アルゴリズムが完全に機能していても、時々クラッシュすると予想されている。
本研究は, 自動走行車両の衝突事故を調査し, 結論を下す。(1) 自動走行車両がほぼ確実にクラッシュし, (2) 特定の事故に先立って自動走行車両の判断が道徳的要素を持ち, (3) ソフトウェアに複雑な人間の道徳を効果的に符号化する方法が存在しない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated vehicles have received much attention recently, particularly the
DARPA Urban Challenge vehicles, Google's self-driving cars, and various others
from auto manufacturers. These vehicles have the potential to significantly
reduce crashes and improve roadway efficiency by automating the
responsibilities of the driver. Still, automated vehicles are expected to crash
occasionally, even when all sensors, vehicle control components, and algorithms
function perfectly. If a human driver is unable to take control in time, a
computer will be responsible for pre-crash behavior. Unlike other automated
vehicles--such as aircraft, where every collision is catastrophic, and guided
track systems, which can only avoid collisions in one dimension--automated
roadway vehicles can predict various crash trajectory alternatives and select a
path with the lowest damage or likelihood of collision. In some situations, the
preferred path may be ambiguous. This study investigates automated vehicle
crashing and concludes the following: (1) automated vehicles will almost
certainly crash, (2) an automated vehicle's decisions preceding certain crashes
will have a moral component, and (3) there is no obvious way to effectively
encode complex human morals in software. A three-phase approach to developing
ethical crashing algorithms is presented, consisting of a rational approach, an
artificial intelligence approach, and a natural language requirement. The
phases are theoretical and should be implemented as the technology becomes
available.
- Abstract（参考訳）: 自動運転車は最近、特にdarpa urban challenge vehicles、googleの自動運転車、その他の自動車メーカーから多くの注目を集めている。
これらの車両は事故を著しく減らし、運転者の責任を自動化することで道路効率を向上させる可能性がある。
それでも、すべてのセンサー、車両制御コンポーネント、アルゴリズムが完璧に機能している場合でも、自動運転車は時々クラッシュすると予想されている。
人間のドライバーが時間内に制御できなければ、コンピュータはクラッシュ前の行動に責任を負うことになる。
あらゆる衝突が壊滅的な状況にある航空機や、一次元に自動化された道路車両の衝突を回避できる誘導軌道システムとは異なり、様々な衝突経路の代替案を予測し、最も損傷の少ない経路や衝突の可能性を選択することができる。
いくつかの場合、好ましい経路は曖昧である。
本研究は, 自動走行車両の衝突事故を調査し, 結論を下す。(1) 自動走行車両がほぼ確実にクラッシュし, (2) 事故前の自動走行車両の判断が道徳的要素を持ち, (3) ソフトウェアに複雑な人間の道徳を効果的に符号化する方法が存在しない。
倫理的クラッシュアルゴリズムを開発するための3段階のアプローチが提示され、合理的アプローチ、人工知能アプローチ、自然言語要件からなる。
フェーズは理論的であり、技術が利用可能になると実装されるべきである。
関連論文リスト
- Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - Comparative Study of Q-Learning and NeuroEvolution of Augmenting
Topologies for Self Driving Agents [0.0]
自動運転車は世界中の自動車事故の数を削減できると期待されている。
進化的アルゴリズムと人工ニューラルネットワークを組み合わせた強化学習アルゴリズムとNeuroEvolution of Augment Topologies(NEAT)に注目して、モデルエージェントをトレーニングして、与えられたパス上での運転方法を学ぶ。
論文 参考訳（メタデータ） (2022-09-19T13:34:18Z) - Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。
実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文 参考訳（メタデータ） (2022-07-05T16:33:20Z) - An Intelligent Self-driving Truck System For Highway Transportation [81.12838700312308]
本稿では,インテリジェントな自動運転トラックシステムについて紹介する。
提案システムは,1)テストシナリオにおける現実的なトラフィックフローを生成する現実的なトラフィックシミュレーションモジュール,2)実環境における実際のトラックの応答を模倣するために設計,評価された高忠実度トラックモデル,の3つの主要コンポーネントから構成される。
また,提案するシステムを実車に展開し,実車間ギャップを緩和するシステムの能力を示す実物実験を行う。
論文 参考訳（メタデータ） (2021-12-31T04:54:13Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Self-Driving Cars and Driver Alertness [16.00431760297241]
自動運転車を制御している間の注意力の低下は、予測不能な状況下でドライバーが介入する能力を妨げかねない。
研究者、ドライバー、業界、政策立案者など、さまざまな利害関係者に推奨します。
論文 参考訳（メタデータ） (2021-07-20T23:55:44Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - Computer Vision based Accident Detection for Autonomous Vehicles [0.0]
ダッシュボードカメラを用いて車両事故を検出する自動運転支援システムを提案する。
このフレームワークは、ダッシュカム映像のカスタムデータセットでテストされ、誤報率を低く保ちながら、高い事故検出率を達成する。
論文 参考訳（メタデータ） (2020-12-20T08:51:10Z) - Machine Ethics and Automated Vehicles [0.0]
完全自動化された車両は、人間のドライバーの監視なしにこのリスクを割り当てる方法を継続的に決めなければならない。
自動走行車における道徳的行動の概念を導入し、予想される批判に対する反応を通じてこの分野の研究の必要性を論じ、機械的倫理学や道徳的モデリング研究の応用について論じる。
論文 参考訳（メタデータ） (2020-10-29T15:14:47Z) - Testing the Safety of Self-driving Vehicles by Simulating Perception and
Prediction [88.0416857308144]
センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。
我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
論文 参考訳（メタデータ） (2020-08-13T17:20:02Z) - Affordable Modular Autonomous Vehicle Development Platform [0.0]
毎年125万人が道路事故で死亡し、アフリカは道路事故の死亡率が最も高い。
財政的な制約は、アフリカにおける実験や自動運転技術の研究を妨げている。
本稿では,手頃なモジュール型自動運転車開発プラットフォームであるRollEの設計について述べる。
論文 参考訳（メタデータ） (2020-06-20T22:51:48Z)
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。