Fugu-MT 論文翻訳(概要): The Controllability of Planning, Responsibility, and Security in Automatic Driving Technology

論文の概要: The Controllability of Planning, Responsibility, and Security in Automatic Driving Technology

arxiv url: http://arxiv.org/abs/2102.00617v1
Date: Mon, 1 Feb 2021 03:41:37 GMT
ステータス: 処理完了
システム内更新日: 2021-02-02 16:42:16.162963
Title: The Controllability of Planning, Responsibility, and Security in Automatic Driving Technology
Title（参考訳）: 自動運転技術における計画・責任・安全の制御可能性
Authors: Dan Wan and Hao Zhan
Abstract要約: 自動走行技術は常に安定して制御可能な状態にあり、具体的には、制御可能な計画、制御可能な責任、制御可能な情報に分けられることを期待しています。本稿ではこれらの3つの問題を別々に論じ、誤解を明確にする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: People hope automated driving technology is always in a stable and controllable state; specifically, it can be divided into controllable planning, controllable responsibility, and controllable information. When this controllability is undermined, it brings about the problems, e.g., trolley dilemma, responsibility attribution, information leakage, and security. This article discusses these three types of issues separately and clarifies the misunderstandings.
Abstract（参考訳）: 自動走行技術は常に安定して制御可能な状態にあり、具体的には、制御可能な計画、制御可能な責任、制御可能な情報に分けられることを期待しています。この制御性が損なわれると、トロリージレンマ、責任帰属、情報漏洩、セキュリティなどの問題が発生します。本稿では,これら3つの問題を別々に論じ,誤解を明確にする。

関連論文リスト

GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文参考訳（メタデータ） (2024-08-19T08:23:38Z)
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)
Safety Implications of Explainable Artificial Intelligence in End-to-End Autonomous Driving [4.1636282808157254]
エンドツーエンドの学習パイプラインは、高度に自律的な車両の開発におけるパラダイムシフトを徐々に生み出している。現代の学習手法によるリアルタイム意思決定における解釈可能性の欠如は、ユーザの信頼を阻害し、そのような車両の広範な展開と商業化を阻害する。この調査は、質問に答えようとしている。いつ、どのように説明がエンドツーエンドの自動運転の安全性を改善することができるのか?
論文参考訳（メタデータ） (2024-03-18T18:49:20Z)
Security Challenges in Autonomous Systems Design [1.864621482724548]
人間のコントロールから独立すると、このようなシステムのサイバーセキュリティはさらに重要になる。人間のコントロールから独立すると、このようなシステムのサイバーセキュリティはさらに重要になる。本稿では,技術の現状を徹底的に議論し,新たなセキュリティ課題を特定し,研究の方向性を提案する。
論文参考訳（メタデータ） (2023-11-05T09:17:39Z)
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)
Connected Dependability Cage Approach for Safe Automated Driving [2.369782235753731]
本稿では,自動走行システムにおける安全概念について述べる。接続された信頼性ケージによるオンボードランタイム監視と、リモートコマンドコントロールセンタによるオフボードランタイム監視の組み合わせを使用する。実験室環境および試験場における自動走行システムに対する安全概念を評価し,得られた結果と教訓について報告する。
論文参考訳（メタデータ） (2023-07-12T15:55:48Z)
Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文参考訳（メタデータ） (2023-07-05T21:38:36Z)
Complex accident, clear responsibility [0.0]
本研究では,RCModel(Risk Chain Model)に基づく多目的責任配分最適化手法を提案する。技術的観点から各俳優の責任を分析し、より合理的で公平な責任割り当てを促進する。
論文参考訳（メタデータ） (2023-06-21T08:47:35Z)
Assurance for Autonomy -- JPL's past research, lessons learned, and future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。 JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文参考訳（メタデータ） (2023-05-16T18:24:12Z)
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)
AI in Smart Cities: Challenges and approaches to enable road vehicle automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文参考訳（メタデータ） (2021-04-07T14:31:08Z)

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。