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

Rethinking Integration of Prediction and Planning in Deep Learning-Based Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文参考訳（メタデータ） (2023-08-10T17:53:03Z)
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)
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)
BarrierNet: A Safety-Guaranteed Layer for Neural Networks [50.86816322277293]
BarrierNetは、ニューラルコントローラの安全性の制約が環境の変化に適応できるようにする。本研究では,2次元空間と3次元空間における交通統合やロボットナビゲーションといった一連の制御問題について評価する。
論文参考訳（メタデータ） (2021-11-22T15:38:11Z)
Towards Safe, Explainable, and Regulated Autonomous Driving [11.043966021881426]
本稿では、自律制御、説明可能なAI(XAI)、規制コンプライアンスを統合するフレームワークを提案する。フレームワークの目標を達成するのに役立つ、関連するXAIアプローチについて説明します。
論文参考訳（メタデータ） (2021-11-20T05:06:22Z)
Safety of the Intended Driving Behavior Using Rulebooks [0.5898893619901381]
ISO/PAS 21448ガイダンスは、道路車両の意図された機能(SOTIF)の安全を確保するためのプロセスを推奨します。経路計画機能では、すべての潜在的な運転状況において、各車両の正しい制御アクションを定義することは困難です。本稿では,ルールブックがAV内の経路計画タスクの機能的記述を提供し,本手法の検証と検証の可能性について論じる。
論文参考訳（メタデータ） (2021-05-10T16:11:15Z)
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)
Learning Robust Hybrid Control Barrier Functions for Uncertain Systems [68.30783663518821]
我々は,ロバストな安全を確保する制御則を合成する手段として,ロバストなハイブリッド制御障壁関数を提案する。この概念に基づき,データからロバストなハイブリッド制御障壁関数を学習するための最適化問題を定式化する。我々の技術は、モデル不確実性の対象となるコンパス歩行歩行者の魅力領域を安全に拡張することを可能にする。
論文参考訳（メタデータ） (2021-01-16T17:53:35Z)
Away from Trolley Problems and Toward Risk Management [0.0]
トロリー問題の欠点について論じるとともに、クラッシュリスクや不確実性を含む、より微妙な例を紹介します。リスクマネジメントは代替アプローチとして導入され、その倫理的側面が議論される。
論文参考訳（メタデータ） (2020-10-28T20:27:50Z)
Responsible AI and Its Stakeholders [14.129366395072026]
我々は、AIを含むすべての利害関係者に対する責任(責任、責任、責任)の3つの概念について議論し、この問題における司法権と一般市民の役割を提案する。
論文参考訳（メタデータ） (2020-04-23T19:27:19Z)

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。