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
- WHALES: A Multi-agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving [54.365702251769456]
我々は、駆動シーケンス当たり平均8.4エージェントのデータセットを提示する。
自律運転データセットの中で最大のエージェントと視点を提供するだけでなく、WHALESはエージェントの振る舞いを記録する。
エージェントスケジューリングタスクにおいて,エゴエージェントが複数の候補エージェントの1つを選択して協調する実験を行う。
論文 参考訳（メタデータ） (2024-11-20T14:12:34Z) - 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) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - 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) - 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) - 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) - 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) - 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)
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。