論文の概要: Rise of the Autonomous Machines
- arxiv url: http://arxiv.org/abs/2106.13987v1
- Date: Sat, 26 Jun 2021 09:46:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-29 17:47:45.255108
- Title: Rise of the Autonomous Machines
- Title(参考訳): 自律機械の台頭
- Authors: Shaoshan Liu, Jean-Luc Gaudiot
- Abstract要約: 我々は、自律機械の技術的および非技術的課題を認識し、分類するための予備的な試みを行っている。
これは、コミュニティが将来、明確で効果的で、より正式な開発目標ポストを定義するのに役立つと期待されている。
- 参考スコア(独自算出の注目度): 1.4467794332678539
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: After decades of uninterrupted progress and growth, information technology
has so evolved that it can be said we are entering the age of autonomous
machines, but there exist many roadblocks in the way of making this a reality.
In this article, we make a preliminary attempt at recognizing and categorizing
the technical and non-technical challenges of autonomous machines; for each of
the ten areas we have identified, we review current status, roadblocks, and
potential research directions. It is hoped that this will help the community
define clear, effective, and more formal development goalposts for the future.
- Abstract(参考訳): 何十年もの間、途絶えることのない進歩と成長を経て、情報技術は進化してきたので、私たちは自律機械の時代に入ったと言えるだろう。
本稿では,自律機械の技術的および非技術的課題を認識し,分類する予備的試みを行う。
これはコミュニティが将来、明確で、効果的で、より正式な開発目標ポストを定義するのに役立つと期待されている。
関連論文リスト
- The Role of World Models in Shaping Autonomous Driving: A Comprehensive Survey [50.62538723793247]
ドライビング・ワールド・モデル(DWM)は、ドライビング・プロセス中のシーンの進化を予測することに焦点を当てている。
DWM法は、自律運転システムが動的運転環境をよりよく知覚し、理解し、相互作用することを可能にする。
論文 参考訳(メタデータ) (2025-02-14T18:43:15Z) - The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition [136.32656319458158]
2024年のRoboDrive Challengeは、駆動認識技術の発展を促進するために作られた。
今年の挑戦は5つの異なるトラックで構成され、11カ国の93の機関から140の登録チームが集まった。
競争は15の最高パフォーマンスのソリューションで頂点に達した。
論文 参考訳(メタデータ) (2024-05-14T17:59:57Z) - 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) - Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。
10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。
AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
論文 参考訳(メタデータ) (2024-04-06T22:18:31Z) - A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Autonomy 2.0: The Quest for Economies of Scale [21.69400057796787]
スケーラビリティは技術的観点からも非常に必要であり、経済的観点からも非常に有利である、と私たちは主張する。
現在の開発パラダイムであるAutonomy 1.0は、データや計算リソースの量ではなく、エンジニア数でスケールする。
自律性2.0(Autonomy 2.0)と呼ばれる新しい開発パラダイムが、これらの問題に対処し、自律性産業を大きく向上させる方法について説明する。
論文 参考訳(メタデータ) (2023-07-08T13:13:20Z) - An Overview about Emerging Technologies of Autonomous Driving [12.686694414570457]
2004年にDARPAがグランドチャレンジを始め、2007年にアーバンチャレンジを開始して以来、自動運転はAIアプリケーションの最も活発な分野となっている。
本稿では,自動運転技術とオープンな課題の技術的側面について概観する。
本稿では,認識,マッピングとローカライゼーション,予測,計画と制御,シミュレーション,V2X,安全性など,自動運転システムの主要な分野について検討する。
論文 参考訳(メタデータ) (2023-06-23T05:36:17Z) - 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) - Emerging Threats in Deep Learning-Based Autonomous Driving: A
Comprehensive Survey [0.9163827313498957]
自動運転の基礎として、ディープラーニング技術は多くの新しいセキュリティリスクに直面している。
学術コミュニティは、敵対的な事例やAIバックドアに対するディープラーニング対策を提案している。
本稿では,自動運転におけるディープラーニングセキュリティ技術の概念,開発,最近の研究について要約する。
論文 参考訳(メタデータ) (2022-10-19T10:04:33Z) - Explainable Artificial Intelligence for Autonomous Driving: A Comprehensive Overview and Field Guide for Future Research Directions [8.012552653212687]
この研究は、自律運転のための説明可能な人工知能(XAI)アプローチの開発に光を当てている。
まず、XAIをベースとした自動運転における最先端および新興のアプローチの概要について概説する。
次に、説明可能なエンドツーエンド自動運転に不可欠な要素を考察する概念的枠組みを提案する。
論文 参考訳(メタデータ) (2021-12-21T22:51:37Z) - Autonomy 2.0: Why is self-driving always 5 years away? [4.5204823977941775]
遅すぎる進歩は、ハンドエンジニアリングが多すぎるアプローチによって引き起こされる、と我々は主張する。
自動運転に対するMLファーストアプローチであるAutonomy 2.0の原則を概説する。
論文 参考訳(メタデータ) (2021-07-16T23:20:26Z)
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。