論文の概要: Challenges of engineering safe and secure highly automated vehicles
- arxiv url: http://arxiv.org/abs/2103.03544v1
- Date: Fri, 5 Mar 2021 08:52:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-08 14:45:57.814709
- Title: Challenges of engineering safe and secure highly automated vehicles
- Title(参考訳): 安全・安全高自動化自動車の課題
- Authors: Nadja Marko, Eike M\"ohlmann, Dejan Ni\v{c}kovi\'c, J\"urgen Niehaus,
Peter Priller, Martijn Rooker
- Abstract要約: 本稿では,安全,安全,信頼性,信頼性の高い高度自動走行車(hav)を実現する上で,まだ克服すべき課題をまとめる。
havを実現する上での4つの課題は、継続的デプロイ後のシステム改善の実現、不確実性と不完全な情報の処理、機械学習コンポーネントによるhavの検証、予測である。
- 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: After more than a decade of intense focus on automated vehicles, we are still
facing huge challenges for the vision of fully autonomous driving to become a
reality. The same "disillusionment" is true in many other domains, in which
autonomous Cyber-Physical Systems (CPS) could considerably help to overcome
societal challenges and be highly beneficial to society and individuals. Taking
the automotive domain, i.e. highly automated vehicles (HAV), as an example,
this paper sets out to summarize the major challenges that are still to
overcome for achieving safe, secure, reliable and trustworthy highly automated
resp. autonomous CPS. We constrain ourselves to technical challenges,
acknowledging the importance of (legal) regulations, certification,
standardization, ethics, and societal acceptance, to name but a few, without
delving deeper into them as this is beyond the scope of this paper. Four
challenges have been identified as being the main obstacles to realizing HAV:
Realization of continuous, post-deployment systems improvement, handling of
uncertainties and incomplete information, verification of HAV with machine
learning components, and prediction. Each of these challenges is described in
detail, including sub-challenges and, where appropriate, possible approaches to
overcome them. By working together in a common effort between industry and
academy and focusing on these challenges, the authors hope to contribute to
overcome the "disillusionment" for realizing HAV.
- Abstract(参考訳): 自動運転車に10年以上も注力してきた私たちは、完全自動運転というビジョンが現実になるための大きな課題に直面している。
同様の「幻滅」は、自律型サイバーフィジカルシステム(cps)が社会的な課題を克服し、社会や個人にとって非常に有益である他の多くの領域でも当てはまる。
自動車分野、すなわち。
例えば、高度自動化車(HAV)は、安全で安全で信頼性が高く、信頼性の高い高度自動化リスプを達成する上で、依然として克服すべき大きな課題をまとめたものです。
自律型CPS。
私たちは技術的な課題に固執し、(法的な)規制、認定、標準化、倫理、社会的受容の重要性を認めています。
havを実現する上での4つの課題は、継続的デプロイ後のシステム改善の実現、不確実性と不完全な情報の処理、機械学習コンポーネントによるhavの検証、予測である。
これらの課題のそれぞれは、サブチャレンジを含む詳細に説明され、適切な場合、それらを克服するための可能なアプローチです。
業界とアカデミーの共通の努力で協力し、これらの課題に焦点を当てることで、著者はHAVを実現するための「幻滅」の克服に貢献したいと考えています。
関連論文リスト
- Generative AI for Unmanned Vehicle Swarms: Challenges, Applications and
Opportunities [84.00105187866806]
Generative AI(GAI)は、無人車両群におけるこれらの課題を解決する大きな可能性を提供する。
本稿では,無人車及び無人車群の概要と,その利用事例と既存課題について述べる。
そこで本研究では,無人車両群におけるGAIの適用状況と課題について,さまざまな知見と議論を加えて概説する。
論文 参考訳(メタデータ) (2024-02-28T05:46:23Z) - 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) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳(メタデータ) (2023-03-08T00:48:32Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳(メタデータ) (2022-06-28T17:08:31Z) - 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) - Roadmap for Cybersecurity in Autonomous Vehicles [3.577310844634503]
我々は、過去10年間の大規模な自動車サイバー攻撃と、人工知能(AI)を活用した最先端のソリューションについて論じる。
我々は、安全な自動運転車を構築するためのロードマップを提案し、対処すべき重要なオープンな課題を強調します。
論文 参考訳(メタデータ) (2022-01-19T16:42:18Z) - Proceedings - AI/ML for Cybersecurity: Challenges, Solutions, and Novel
Ideas at SIAM Data Mining 2021 [6.647584840410018]
悪意あるサイバー活動はユビキタスであり、その有害な影響は社会に劇的かつしばしば不可逆的な影響を及ぼす。
この分野の課題は、コンピュータビジョンのような他の領域にAIを適用することに関連する問題とは大きく異なる。
これらの課題にもかかわらず、機械学習はこの分野に適用され、検出の分野で成功を収めている。
商業部門では、ML強化機能をサービスとして提供しています。
論文 参考訳(メタデータ) (2021-04-27T17:35:31Z) - Vision-Based Mobile Robotics Obstacle Avoidance With Deep Reinforcement
Learning [49.04274612323564]
障害物回避は、移動ロボットの自律ナビゲーションのための根本的かつ困難な問題です。
本稿では,ロボットが単一眼カメラにのみ依存しなければならない単純な3D環境における障害物回避の問題を検討する。
データ駆動型エンドツーエンドディープラーニングアプローチとして,障害回避問題に取り組む。
論文 参考訳(メタデータ) (2021-03-08T13:05:46Z) - Sense-Assess-eXplain (SAX): Building Trust in Autonomous Vehicles in
Challenging Real-World Driving Scenarios [24.459719212176637]
我々は,自律システムの大規模展開の保証と規制に対する重要な障壁を克服するために,基本的な技術的課題に対処する。
従来のセンサだけでなく、従来のセンサーを使って環境をしっかりと理解し、解釈できるロボットを構築する方法について紹介する。
珍しい、稀で、非常に価値のあるデータセットの収集において、現在進行中の作業について説明する。
論文 参考訳(メタデータ) (2020-05-05T09:54:58Z)
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。