論文の概要: Explanations in Autonomous Driving: A Survey
- arxiv url: http://arxiv.org/abs/2103.05154v2
- Date: Thu, 11 Mar 2021 15:51:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 18:37:36.351853
- Title: Explanations in Autonomous Driving: A Survey
- Title(参考訳): 自動運転の解説--アンケート調査から
- Authors: Daniel Omeiza, Helena Webb, Marina Jirotka, Lars Kunze
- Abstract要約: 我々は、説明可能な自動運転における既存の作業の包括的調査を行う。
我々は、AVの開発、使用、規制に関わる様々な利害関係者を特定し、分類する。
- 参考スコア(独自算出の注目度): 7.353589916907923
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The automotive industry is seen to have witnessed an increasing level of
development in the past decades; from manufacturing manually operated vehicles
to manufacturing vehicles with high level of automation. With the recent
developments in Artificial Intelligence (AI), automotive companies now employ
high performance AI models to enable vehicles to perceive their environment and
make driving decisions with little or no influence from a human. With the hope
to deploy autonomous vehicles (AV) on a commercial scale, the acceptance of AV
by society becomes paramount and may largely depend on their degree of
transparency, trustworthiness, and compliance to regulations. The assessment of
these acceptance requirements can be facilitated through the provision of
explanations for AVs' behaviour. Explainability is therefore seen as an
important requirement for AVs. AVs should be able to explain what they have
'seen', done and might do in environments where they operate. In this paper, we
provide a comprehensive survey of the existing work in explainable autonomous
driving. First, we open by providing a motivation for explanations and
examining existing standards related to AVs. Second, we identify and categorise
the different stakeholders involved in the development, use, and regulation of
AVs and show their perceived need for explanation. Third, we provide a taxonomy
of explanations and reviewed previous work on explanation in the different AV
operations. Finally, we draw a close by pointing out pertinent challenges and
future research directions. This survey serves to provide fundamental knowledge
required of researchers who are interested in explanation in autonomous
driving.
- Abstract(参考訳): 過去数十年間、自動車産業は、手作業で操作する自動車の製造から、高度な自動化を備えた製造車両まで、開発水準が上昇している。
近年の人工知能(AI)の発展に伴い、自動車企業は高性能なAIモデルを採用し、自動車が環境を認識し、人間の影響をほとんどまたはまったく受けずに運転判断を下すことができます。
自動運転車(AV)を商業規模で展開しようとすると、社会によるAVの受け入れが最も重要となり、その透明性、信頼性、および規制遵守の程度に大きく依存する可能性があります。
これらの受け入れ要件の評価は、AVの行動の説明の提供によって容易に行える。
したがって、説明可能性はAVにとって重要な要件とみなされます。
AVは、彼らが「見た」ことを説明でき、実行され、動作している環境で実行できるはずです。
本稿では,説明可能な自動運転における既存作業の総合的調査について述べる。
まず、AVに関する説明と既存の基準を検討する動機を提供することで開放します。
第2に,avの開発と利用,規制に関わるさまざまな利害関係者を特定し,分類し,その説明の必要性を示す。
第三に、説明の分類を提供し、異なるAV操作の説明に関する以前の研究を見直します。
最後に、関連する課題と今後の研究方向性を指摘している。
この調査は、自律運転の説明に興味がある研究者に必要な基本的な知識を提供するのに役立つ。
関連論文リスト
- Development and Assessment of Autonomous Vehicles in Both Fully
Automated and Mixed Traffic Conditions [0.0]
本稿では,単一AVの開発から始まり,接続型AVへと進展する多段階アプローチを提案する。
AVの運転性能を検証するために調査を行い、混合交通事例研究に活用する。
その結果, 深部強化学習を用いて, AVは人間の運転性能に到達した運転行動を得た。
AVネットワークにおける共有とケアに基づくV2Vコミュニケーションの採用は、その運転行動を高め、より効果的な行動計画を支援し、AV間の協調行動を促進する。
論文 参考訳(メタデータ) (2023-12-08T02:40:11Z) - LLM4Drive: A Survey of Large Language Models for Autonomous Driving [67.843551583229]
大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。
本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
論文 参考訳(メタデータ) (2023-11-02T07:23:33Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳(メタデータ) (2023-08-02T09:48:08Z) - Autonomous Vehicles for All? [4.67081468243647]
我々は、自律走行車(AV)を監督する学術機関、産業、政府機関が積極的に行動し、AVがすべてに役立っていることを保証する必要があると論じている。
AVは、道路の輸送能力を高め、運転の混乱を緩和し、安全を改善し、運転できない人のための移動手段を提供し、環境を助ける、かなりの可能性を秘めている。
しかし、公正性、公平性、透明性などの問題を考慮し、社会的責任があるかどうかという懸念も持ち上がっている。
論文 参考訳(メタデータ) (2023-07-03T19:33:07Z) - Milestones in Autonomous Driving and Intelligent Vehicles Part II:
Perception and Planning [67.36692289372148]
第1部 "Survey of Surveys" (SoS) では,ADとIV技術の歴史,調査,倫理,今後の方向性について概説している。
第2部「自律運転・知能車両のマイルストーン(Milestones in autonomous Driving and Intelligent Vehicles Part I: Control, Computing System Design, Communication, HD Map, Testing, and Human Behaviors)」は、IVsにおける制御、コンピュータシステム、通信、HDマップ、テスト、人間行動の開発に力を注いでいる。
論文 参考訳(メタデータ) (2023-06-03T02:23:04Z) - FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
非客観的運転経験はモデル化が難しい。
本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。
インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
論文 参考訳(メタデータ) (2022-12-05T08:25:09Z) - 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) - Explainable Artificial Intelligence for Autonomous Driving: A
Comprehensive Overview and Field Guide for Future Research Directions [11.259749697686697]
この研究は、自動運転車のための説明可能な人工知能(XAI)アプローチの開発に包括的な光を当てている。
まず、最先端の自動運転車産業における説明について、現状のギャップを概観する。
第2に,本分野における説明書・説明書の分類について述べる。
第3に,エンド・ツー・エンドの自動運転システムのアーキテクチャの枠組みを提案する。
論文 参考訳(メタデータ) (2021-12-21T22:51:37Z) - Disengagement Cause-and-Effect Relationships Extraction Using an NLP
Pipeline [14.708195642446716]
カリフォルニア州自動車局(CA DMV)は自動運転車テストプログラムを開始した。
このプログラムは、自律走行から自律走行(AVD)に関するレポートを収集し、リリースする。
本研究は,事前学習モデルを用いた深層移動学習の実践として成功し,統合された解離データベースを生成する。
論文 参考訳(メタデータ) (2021-11-05T14:00:59Z) - 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) - A Survey on Autonomous Vehicle Control in the Era of Mixed-Autonomy:
From Physics-Based to AI-Guided Driving Policy Learning [7.881140597011731]
本稿では、人工知能(AI)から自律走行車(AV)制御のための輸送工学分野への潜在的に有用なモデルと方法論の紹介と概要を提供する。
我々は、AI誘導手法の最先端の応用について議論し、機会と障害を特定し、オープンな質問を提起し、AIが混合自律において役割を果たす可能性のあるビルディングブロックとエリアを提案する。
論文 参考訳(メタデータ) (2020-07-10T04:27:39Z)
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。