論文の概要: Smart Automotive Technology Adherence to the Law: (De)Constructing Road
Rules for Autonomous System Development, Verification and Safety
- arxiv url: http://arxiv.org/abs/2109.02956v1
- Date: Tue, 7 Sep 2021 09:22:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-08 20:03:24.559892
- Title: Smart Automotive Technology Adherence to the Law: (De)Constructing Road
Rules for Autonomous System Development, Verification and Safety
- Title（参考訳）: 法に忠実なスマート自動車技術:(De)自律システム開発・検証・安全のための道路ルールの構築
- Authors: Scott McLachlan, Martin Neil, Kudakwashe Dube, Ronny Bogani, Norman
Fenton, and Burkhard Schaffer
- Abstract要約: 運転は直感的なタスクであり、予期しない出来事に対して、スキル、絶え間ない警告、警戒を必要とする。
現代の自動車には、いくつかの、ほとんどの、または限られたケースで、すべての運転タスクを仮定できる、スマートアシストと自律運転システムが含まれています。
英国運輸省は、自動車線維持システムの安全使用に対する対応として、これらのシステムは関連する交通規則に準拠するためにテストされていることを提案している。
本稿では,交通法の複雑な法体系を再構築し,その要件と流れを表現するためのアプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.7481220126953327
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Driving is an intuitive task that requires skills, constant alertness and
vigilance for unexpected events. The driving task also requires long
concentration spans focusing on the entire task for prolonged periods, and
sophisticated negotiation skills with other road users, including wild animals.
These requirements are particularly important when approaching intersections,
overtaking, giving way, merging, turning and while adhering to the vast body of
road rules. Modern motor vehicles now include an array of smart assistive and
autonomous driving systems capable of subsuming some, most, or in limited
cases, all of the driving task. The UK Department of Transport's response to
the Safe Use of Automated Lane Keeping System consultation proposes that these
systems are tested for compliance with relevant traffic rules. Building these
smart automotive systems requires software developers with highly technical
software engineering skills, and now a lawyer's in-depth knowledge of traffic
legislation as well. These skills are required to ensure the systems are able
to safely perform their tasks while being observant of the law. This paper
presents an approach for deconstructing the complicated legalese of traffic law
and representing its requirements and flow. The approach (de)constructs road
rules in legal terminology and specifies them in structured English logic that
is expressed as Boolean logic for automation and Lawmaps for visualisation. We
demonstrate an example using these tools leading to the construction and
validation of a Bayesian Network model. We strongly believe these tools to be
approachable by programmers and the general public, and capable of use in
developing Artificial Intelligence to underpin motor vehicle smart systems, and
in validation to ensure these systems are considerate of the law when making
decisions.
- Abstract（参考訳）: 運転は直感的な作業であり、予期しない出来事に対するスキル、絶え間なく警告、警戒を必要とする。
運転作業には、長い時間タスク全体に焦点を当てた長時間集中作業や、野生動物を含む他の道路利用者との高度な交渉スキルも必要となる。
これらの要件は、交差点に近づき、乗り越え、道を譲り、合併し、曲がりくねり、道路ルールを固執するときに特に重要である。
現代の自動車には、運転タスクのほとんど、ほとんど、あるいは限られた場合に、いくつかのスマートアシストおよび自律運転システムが含まれている。
英国運輸省は、自動車線維持システムの安全使用に対する対応として、これらのシステムは関連する交通規則に従ってテストされていることを提案している。
これらのスマート自動車システムを構築するには、高度に技術的なソフトウェアエンジニアリングスキルを持つソフトウェア開発者が必要である。
これらのスキルは、システムが法律に従属しながら安全にタスクを遂行できることを保証するために必要である。
本稿では,交通法の複雑な法学を解体し,その要件と流れを表現するためのアプローチを提案する。
このアプローチ(de)は、法律用語で道路ルールを構築し、自動化のためのブール論理(Boolean logic)として表現される構造化英語論理と視覚化のための法則を規定する。
我々は,これらのツールを用いてベイズネットワークモデルの構築と検証を行う例を示す。
われわれは、これらのツールがプログラマや一般大衆にアプローチ可能であり、自動運転車のスマートシステムを支える人工知能の開発や、これらのシステムが決定を下す際の法的な考慮を確実にするための検証に利用できると強く信じている。
関連論文リスト
- Decentralized Semantic Traffic Control in AVs Using RL and DQN for Dynamic Roadblocks [9.485363025495225]
車両自体にセマンティックエンコーディングの責務を委譲するセマンティックトラフィック制御システムを提案する。
このシステムは、強化学習(RL)エージェントから得られる意思決定を処理し、意思決定プロセスの合理化を行う。
論文 参考訳（メタデータ） (2024-06-26T20:12:48Z) - A Path Towards Legal Autonomy: An interoperable and explainable approach to extracting, transforming, loading and computing legal information using large language models, expert systems and Bayesian networks [2.2192488799070444]
法的な自律性は、開発者やデプロイ者、ユーザといったAIアクターに制約を課すこと、あるいはAIエージェントが環境に与える影響の範囲と範囲に制約を課すことによって達成できる。
後者のアプローチでは、AI駆動デバイスに関する既存のルールを、それらのデバイスを制御するAIエージェントのソフトウェアにエンコードする。
このようなアプローチの有効性は、説明可能かつ法的に相互運用可能な法的情報を抽出、ロード、変換、計算する手法を必要とするため、これは課題である。
論文 参考訳（メタデータ） (2024-03-27T13:12:57Z) - LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
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) - Assessing Drivers' Situation Awareness in Semi-Autonomous Vehicles: ASP
based Characterisations of Driving Dynamics for Modelling Scene
Interpretation and Projection [0.0]
我々は,運転者が状況に気付いているかを判断し,人間中心の支援を提供するための枠組みを提案する。
このフレームワークはロボット・オペレーティング・システム(ROS)内のモジュールシステムとして開発され、環境と運転者の状態を検知するモジュールを備えている。
本稿では、運転者の解釈とシーンの投影をモデル化し、推論するAnswer Set Programming(ASP)に基づくアプローチに焦点を当てる。
論文 参考訳（メタデータ） (2023-08-30T09:07:49Z) - When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。
我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。
コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
論文 参考訳（メタデータ） (2023-06-09T14:33:26Z) - 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) - Algorithmic Ethics: Formalization and Verification of Autonomous Vehicle
Obligations [0.0]
自治法 (Dominance Act Utilitarianism, DAU) は、自動運転車のような自律システムの義務を形式化するための出発点である。
長期の自律性に必要な義務が時間とともにどのように変化するかを示します。
論文 参考訳（メタデータ） (2021-05-06T17:41:06Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳（メタデータ） (2021-04-28T07:54:40Z) - 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) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z) - Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。
提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
論文 参考訳（メタデータ） (2020-01-03T11:16:41Z)
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。