論文の概要: Cooperation for Scalable Supervision of Autonomy in Mixed Traffic
- arxiv url: http://arxiv.org/abs/2112.07569v2
- Date: Wed, 10 May 2023 20:18:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 19:16:00.845099
- Title: Cooperation for Scalable Supervision of Autonomy in Mixed Traffic
- Title(参考訳): 混合交通におけるスケーラブルな自律性スーパービジョンの連携
- Authors: Cameron Hickert, Sirui Li, Cathy Wu
- Abstract要約: 本研究は、遠隔地における人事監督を考慮し、スケーラブルな監視問題を定式化する。
この分析は、人間の監督要求に対する信頼性の高い上限を確立する。
重要なポイントは、大規模に自律性を展開する上での協力の潜在的価値である。
- 参考スコア(独自算出の注目度): 1.8062017918254687
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Advances in autonomy offer the potential for dramatic positive outcomes in a
number of domains, yet enabling their safe deployment remains an open problem.
This work's motivating question is: In safety-critical settings, can we avoid
the need to have one human supervise one machine at all times? The work
formalizes this scalable supervision problem by considering remotely located
human supervisors and investigating how autonomous agents can cooperate to
achieve safety. This article focuses on the safety-critical context of
autonomous vehicles (AVs) merging into traffic consisting of a mixture of AVs
and human drivers. The analysis establishes high reliability upper bounds on
human supervision requirements. It further shows that AV cooperation can
improve supervision reliability by orders of magnitude and counterintuitively
requires fewer supervisors (per AV) as more AVs are adopted. These analytical
results leverage queuing-theoretic analysis, order statistics, and a
conservative, reachability-based approach. A key takeaway is the potential
value of cooperation in enabling the deployment of autonomy at scale. While
this work focuses on AVs, the scalable supervision framework may be of
independent interest to a broader array of autonomous control challenges.
- Abstract(参考訳): 自律性の進歩は多くのドメインで劇的なポジティブな結果をもたらす可能性がありますが、安全なデプロイメントを可能にすることは依然としてオープンな問題です。
安全クリティカルな設定では、1人の人間が常に1台のマシンを監督する必要性を回避できますか?
この研究は、遠隔地にいる人間の監督官を考慮し、自律的なエージェントが安全を達成するためにどのように協力できるかを調べることで、このスケーラブルな監視問題を公式化した。
本稿は、自動運転車(AV)がAVと人間ドライバーの混在する交通に合流する際の安全クリティカルな状況に焦点を当てる。
分析は、人間の監督要件に対する高い信頼性の上限を確立する。
さらに、AV協力は、桁違いの順序で監督信頼性を向上させることができ、より多くのAVを採用するため、監督者(AV当たり)を少なくする。
これらの分析結果は、キュー理論解析、順序統計、そして保守的で到達可能性に基づくアプローチを活用する。
重要なポイントは、大規模な自律性の実現における協力の潜在的な価値である。
この作業はavに焦点を当てているが、スケーラブルな監視フレームワークは、幅広い自律制御の課題に対して独立した関心を持っているかもしれない。
関連論文リスト
- Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する
AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。
本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文 参考訳(メタデータ) (2024-02-21T08:29:42Z) - Classification of Safety Driver Attention During Autonomous Vehicle
Operation [11.33083039877258]
本稿では、車両オペレーターと車両認識システムに対向する赤外線カメラからのデータを統合したデュアルソースアプローチを提案する。
提案システムは,車両運転者の注意度基準を効果的に決定し,警告や自律機能低下などの介入を適切に行う。
論文 参考訳(メタデータ) (2023-10-17T22:04:42Z) - Stackelberg Driver Model for Continual Policy Improvement in
Scenario-Based Closed-Loop Autonomous Driving [5.765939495779461]
安全クリティカルなシナリオを合成するための効率的な手法のクラスとして、敵生成法が登場した。
Stackelberg Driver Model (SDM) を調整し、車両相互作用の階層的な性質を正確に特徴づける。
提案アルゴリズムは,特に高次元シナリオにおいて,いくつかのベースラインと比較して優れた性能を示す。
論文 参考訳(メタデータ) (2023-09-25T15:47:07Z) - 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) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳(メタデータ) (2023-07-05T21:38:36Z) - Safety of autonomous vehicles: A survey on Model-based vs. AI-based
approaches [1.370633147306388]
AVの全体制御アーキテクチャを定義するための関連手法と概念について検討する。
このレビュープロセスを通じて、モデルベースの方法とAIベースのアプローチのいずれかを使用する研究を強調することを意図している。
本稿では,安全性検証技術と安全フレームワークの標準化・一般化という,AVの安全性を保証するための手法について論じる。
論文 参考訳(メタデータ) (2023-05-29T08:05:32Z) - Assurance for Autonomy -- JPL's past research, lessons learned, and
future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。
ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。
JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文 参考訳(メタデータ) (2023-05-16T18:24:12Z) - Synergistic Redundancy: Towards Verifiable Safety for Autonomous
Vehicles [10.277825331268179]
我々は、自律走行車(AV)のような複雑なサイバー物理システムのための安全アーキテクチャとして、シナジスティック冗長性(SR)を提案する。
SRは、システムのミッションと安全タスクを分離することで、特定の障害に対する検証可能な安全保証を提供する。
ミッション層との密接な調整により、システム内の安全クリティカルな障害を容易かつ早期に検出することができる。
論文 参考訳(メタデータ) (2022-09-04T23:52:03Z) - Fast or Accurate? Governing Conflicting Goals in Highly Autonomous
Vehicles [3.3605894204326994]
AVの精度と速度の基本的な工学的トレードオフを理解することは、AVシステムに固有の不確実性とリスクを規制する政策立案者にとって非常に重要である、と我々は主張する。
これにより、効率的な規制の促進、トルト回復の障壁の低減、安全や説明責任といった公共の価値観の適切なバランスを確保することで、製造業者から公共へのパワーバランスをシフトする。
論文 参考訳(メタデータ) (2022-08-03T13:24:25Z) - 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) - Adversarial defense for automatic speaker verification by cascaded
self-supervised learning models [101.42920161993455]
ますます悪意のある攻撃者は、自動話者検証(ASV)システムで敵攻撃を仕掛けようとする。
本稿では,逐次的自己教師付き学習モデルに基づく標準的かつ攻撃非依存な手法を提案する。
実験により, 本手法は効果的な防御性能を実現し, 敵攻撃に対抗できることを示した。
論文 参考訳(メタデータ) (2021-02-14T01:56:43Z)
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。