論文の概要: Finding Critical Scenarios for Automated Driving Systems: A Systematic
Literature Review
- arxiv url: http://arxiv.org/abs/2110.08664v1
- Date: Sat, 16 Oct 2021 21:24:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-21 09:52:30.068701
- Title: Finding Critical Scenarios for Automated Driving Systems: A Systematic
Literature Review
- Title(参考訳): 自動運転システムの重要なシナリオを見つける:体系的文献レビュー
- Authors: Xinhai Zhang, Jianbo Tao, Kaige Tan, Martin T\"orngren, Jos\'e Manuel
Gaspar S\'anchez, Muhammad Rusyadi Ramli, Xin Tao, Magnus Gyllenhammar, Franz
Wotawa, Naveen Mohan, Mihai Nica, Hermann Felbinger
- Abstract要約: 本稿では,自律運転の文脈における系統的な文献レビューの結果について述べる。
本稿では,重要なシナリオ同定のための包括的分類法を提案する。
また、2017年から2020年までの86の論文を含む分類学に基づく最先端の研究の概要について概説する。
- 参考スコア(独自算出の注目度): 20.926088145784604
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scenario-based approaches have been receiving a huge amount of attention in
research and engineering of automated driving systems. Due to the complexity
and uncertainty of the driving environment, and the complexity of the driving
task itself, the number of possible driving scenarios that an ADS or ADAS may
encounter is virtually infinite. Therefore it is essential to be able to reason
about the identification of scenarios and in particular critical ones that may
impose unacceptable risk if not considered. Critical scenarios are particularly
important to support design, verification and validation efforts, and as a
basis for a safety case. In this paper, we present the results of a systematic
literature review in the context of autonomous driving. The main contributions
are: (i) introducing a comprehensive taxonomy for critical scenario
identification methods; (ii) giving an overview of the state-of-the-art
research based on the taxonomy encompassing 86 papers between 2017 and 2020;
and (iii) identifying open issues and directions for further research. The
provided taxonomy comprises three main perspectives encompassing the problem
definition (the why), the solution (the methods to derive scenarios), and the
assessment of the established scenarios. In addition, we discuss open research
issues considering the perspectives of coverage, practicability, and scenario
space explosion.
- Abstract(参考訳): シナリオベースのアプローチは、自動走行システムの研究開発に多大な注目を集めている。
運転環境の複雑さと不確実性、運転タスク自体の複雑さのため、ADSやADASが遭遇する可能性のある運転シナリオの数は事実上無限である。
したがって、シナリオの特定、特に考慮されていない場合に許容できないリスクを課す重要なシナリオを判断することが不可欠である。
重要なシナリオは、特に設計、検証、検証の取り組みをサポートし、安全ケースの基礎として重要である。
本稿では,自律運転の文脈における系統的な文献レビューの結果について述べる。
主な貢献は次の通りである。
(i) シナリオ識別のための包括的分類法の導入
(ii)2017年から2020年の間に86の論文を包含した分類学に基づく最新の研究の概要を述べる。
(iii)さらなる研究のためのオープンイシューと方向性の特定。
提供される分類学は、問題定義(理由)、解決策(シナリオを導き出す方法)、確立されたシナリオの評価を含む3つの主要な視点から構成される。
さらに,包括性,実践性,シナリオ空間の爆発の観点から,オープンな研究課題について議論する。
関連論文リスト
- Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。
本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。
データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-24T19:32:39Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳(メタデータ) (2023-10-09T21:36:21Z) - Is Scenario Generation Ready for SOTIF? A Systematic Literature Review [3.1491385041570146]
我々は,SOTIF規格の要件に従ってシナリオを生成する手法を特定するために,体系的文献レビューを実施している。
実世界のどの詳細が生成されたシナリオでカバーされているのか、テスト中のシステムに特定のシナリオがあるのか、あるいはジェネリックなのか、未知のシナリオと有害なシナリオのセットを最小限に抑えるために設計されているのか、について検討する。
論文 参考訳(メタデータ) (2023-08-04T11:59:21Z) - Clustering-based Criticality Analysis for Testing of Automated Driving
Systems [0.18416014644193066]
本稿では,1つの論理シナリオから具体的なシナリオをクラスタリングすることで設定したシナリオを削減するという目標に焦点をあてる。
クラスタリング技術を利用することで、冗長で非関心なシナリオを識別および排除することが可能になり、典型的なシナリオセットとなる。
論文 参考訳(メタデータ) (2023-06-22T08:36:20Z) - A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。
先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。
本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
論文 参考訳(メタデータ) (2023-06-05T01:01:12Z) - Industry Practices for Challenging Autonomous Driving Systems with
Critical Scenarios [2.42477526148542]
安全と信頼性のために自律走行システムのテストは非常に複雑である。
重要なシナリオを特定するための方法やツールがいくつか提案されている。
アプローチの選択、実装、制限といった業界のプラクティスはよく理解されていません。
論文 参考訳(メタデータ) (2023-05-23T15:13:11Z) - Grasping Causality for the Explanation of Criticality for Automated
Driving [0.0]
本研究では,自動走行における安全関連要因の因果的理解を促進する因果的クエリの形式化を提案する。
ジュデア・パールの因果論に基づいて、因果関係を文脈とともに因果構造として定義する。
因果クエリに対する応答を正当に推定するには,データの可用性と品質が不可欠であるため,実世界および合成データ取得の要件についても論じる。
論文 参考訳(メタデータ) (2022-10-27T12:37:00Z) - CausalCity: Complex Simulations with Agency for Causal Discovery and
Reasoning [68.74447489372037]
本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。
私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。
我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
論文 参考訳(メタデータ) (2021-06-25T00:21:41Z) - Unsupervised Lane-Change Identification for On-Ramp Merge Analysis in
Naturalistic Driving Data [0.0]
シナリオ駆動アプローチは、シナリオの堅牢なデータ基盤の要件を強調するCAVの受け入れを得ています。
本研究では,シナリオ分類とアセスメントを可能にするオンランプシナリオ識別フレームワークを提案する。
フレームワークの有効性は、Test Bed Lower Saxonyで収集されたデータセットで示される。
論文 参考訳(メタデータ) (2021-04-12T17:32:22Z) - Generating and Characterizing Scenarios for Safety Testing of Autonomous
Vehicles [86.9067793493874]
最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。
次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。
事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
論文 参考訳(メタデータ) (2021-03-12T17:00:23Z) - Predicting Themes within Complex Unstructured Texts: A Case Study on
Safeguarding Reports [66.39150945184683]
本稿では,教師付き分類手法を用いた保護レポートにおいて,主テーマの自動識別の問題に焦点をあてる。
この結果から,ラベル付きデータに制限のある複雑なタスクであっても,深層学習モデルが対象知識の振る舞いをシミュレートする可能性が示唆された。
論文 参考訳(メタデータ) (2020-10-27T19:48:23Z)
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。