論文の概要: Disengagement Cause-and-Effect Relationships Extraction Using an NLP Pipeline

• arxiv url: http://arxiv.org/abs/2111.03511v1
• Date: Fri, 5 Nov 2021 14:00:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-08 17:41:51.806739
• Title: Disengagement Cause-and-Effect Relationships Extraction Using an NLP Pipeline
• Title（参考訳）: NLPパイプラインを用いた解離原因・影響関係抽出
• Authors: Yangtao Zhang, X. Jessie Yang, Feng Zhou
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 14.708195642446716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The advancement in machine learning and artificial intelligence is promoting the testing and deployment of autonomous vehicles (AVs) on public roads. The California Department of Motor Vehicles (CA DMV) has launched the Autonomous Vehicle Tester Program, which collects and releases reports related to Autonomous Vehicle Disengagement (AVD) from autonomous driving. Understanding the causes of AVD is critical to improving the safety and stability of the AV system and provide guidance for AV testing and deployment. In this work, a scalable end-to-end pipeline is constructed to collect, process, model, and analyze the disengagement reports released from 2014 to 2020 using natural language processing deep transfer learning. The analysis of disengagement data using taxonomy, visualization and statistical tests revealed the trends of AV testing, categorized cause frequency, and significant relationships between causes and effects of AVD. We found that (1) manufacturers tested AVs intensively during the Spring and/or Winter, (2) test drivers initiated more than 80% of the disengagement while more than 75% of the disengagement were led by errors in perception, localization & mapping, planning and control of the AV system itself, and (3) there was a significant relationship between the initiator of AVD and the cause category. This study serves as a successful practice of deep transfer learning using pre-trained models and generates a consolidated disengagement database allowing further investigation for other researchers.
• Abstract（参考訳）: 機械学習と人工知能の進歩は、公道での自動運転車(AV)のテストと展開を促進している。 カリフォルニア州自動車局(ca dmv)は、自動運転から自動運転車の離脱(avd)に関するレポートを収集し、公開する自動運転車試験プログラムを開始した。 AVDの原因を理解することは、AVシステムの安全性と安定性を改善し、AVテストと展開のためのガイダンスを提供するために重要である。 本研究では,2014年から2020年にかけてリリースされた分離レポートの収集,処理,モデル化,分析を行うために,自然言語処理によるディープトランスファー学習を用いて,スケーラブルなエンドツーエンドパイプラインを構築した。 分類, 可視化, 統計検査による解離データの解析により, AV検査の傾向, 原因頻度の分類, AVDの原因と影響の有意な関係が明らかになった。 その結果,(1) 製造業者は春・冬期に過度にAVを試験し,(2) テストドライバーは80%以上の解離を開始し,一方, 75%以上の解離は, AVシステム自体の誤認識, 局所化・マッピング, 計画・制御, (3) AVDの開始要因と原因カテゴリーとの間に有意な相関があることが判明した。 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,他の研究者のさらなる調査を可能にする統合解離データベースを生成する。

関連論文リスト

• Knowledge Distillation Neural Network for Predicting Car-following Behaviour of Human-driven and Autonomous Vehicles [2.099922236065961]
  本研究では,混合交通におけるHDV-AV,AV-HDV,HDV-HDVの自動車追従挙動について検討した。 本稿では,車追従動作を速度的に予測するための,データ駆動型知識蒸留ニューラルネットワーク(KDNN)モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-08T14:57:59Z)
• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Areas of Improvement for Autonomous Vehicles: A Machine Learning Analysis of Disengagement Reports [0.0]
  2014年以降、カリフォルニア州自動車局(CDMV)は自動運転車のメーカーから情報を収集している。 これらの離脱報告(DR)には、運転テスト中に技術障害、手動オーバーライド、その他の要因により自律モードから離脱したAVの詳細情報が含まれている。 本稿では,2023 DRの情報を機械学習(ML)で分析する。
  論文  参考訳（メタデータ） (2024-07-31T16:36:10Z)
• Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
  本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。 私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
  論文  参考訳（メタデータ） (2024-07-09T04:56:11Z)
• 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)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• DRUformer: Enhancing the driving scene Important object detection with driving relationship self-understanding [50.81809690183755]
  交通事故はしばしば致命傷を負い、2023年まで5000万人以上の死者を出した。 従来の研究は、主に個々の参加者の重要性を評価し、それらを独立した存在として扱うものであった。 本稿では、重要な物体検出タスクを強化するために、運転シーン関連自己理解変換器(DRUformer)を紹介する。
  論文  参考訳（メタデータ） (2023-11-11T07:26:47Z)
• Explanations in Autonomous Driving: A Survey [7.353589916907923]
  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。
  論文  参考訳（メタデータ） (2021-03-09T00:31:30Z)
• Reliability Analysis of Artificial Intelligence Systems Using Recurrent Events Data from Autonomous Vehicles [2.7515565752659645]
  我々は、自動運転車におけるAIシステムの信頼性の表現として、リカレントな切り離しイベントを使用している。 イベント・プロセスを記述するために,モノトニック・スプラインに基づく新しい非パラメトリック・モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-02T20:25:23Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• 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。