論文の概要: Explainable Artificial Intelligence for Autonomous Driving: A
Comprehensive Overview and Field Guide for Future Research Directions
- arxiv url: http://arxiv.org/abs/2112.11561v1
- Date: Tue, 21 Dec 2021 22:51:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-24 00:08:41.814813
- Title: Explainable Artificial Intelligence for Autonomous Driving: A
Comprehensive Overview and Field Guide for Future Research Directions
- Title(参考訳): 自動運転のための説明可能な人工知能: 今後の研究方向性の概観とフィールドガイド
- Authors: Shahin Atakishiyev, Mohammad Salameh, Hengshuai Yao, Randy Goebel
- Abstract要約: この研究は、自動運転車のための説明可能な人工知能(XAI)アプローチの開発に包括的な光を当てている。
まず、最先端の自動運転車産業における説明について、現状のギャップを概観する。
第2に,本分野における説明書・説明書の分類について述べる。
第3に,エンド・ツー・エンドの自動運転システムのアーキテクチャの枠組みを提案する。
- 参考スコア(独自算出の注目度): 11.259749697686697
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous driving has achieved a significant milestone in research and
development over the last decade. There is increasing interest in the field as
the deployment of self-operating vehicles on roads promises safer and more
ecologically friendly transportation systems. With the rise of computationally
powerful artificial intelligence (AI) techniques, autonomous vehicles can sense
their environment with high precision, make safe real-time decisions, and
operate more reliably without human interventions. However, intelligent
decision-making in autonomous cars is not generally understandable by humans in
the current state of the art, and such deficiency hinders this technology from
being socially acceptable. Hence, aside from making safe real-time decisions,
the AI systems of autonomous vehicles also need to explain how these decisions
are constructed in order to be regulatory compliant across many jurisdictions.
Our study sheds a comprehensive light on developing explainable artificial
intelligence (XAI) approaches for autonomous vehicles. In particular, we make
the following contributions. First, we provide a thorough overview of the
present gaps with respect to explanations in the state-of-the-art autonomous
vehicle industry. We then show the taxonomy of explanations and explanation
receivers in this field. Thirdly, we propose a framework for an architecture of
end-to-end autonomous driving systems and justify the role of XAI in both
debugging and regulating such systems. Finally, as future research directions,
we provide a field guide on XAI approaches for autonomous driving that can
improve operational safety and transparency towards achieving public approval
by regulators, manufacturers, and all engaged stakeholders.
- Abstract(参考訳): 自動運転は過去10年間、研究と開発において重要なマイルストーンを達成した。
自動運転車両の道路への配備はより安全でより環境に優しい輸送システムを約束するので、この分野への関心が高まっている。
計算力のある人工知能(AI)技術の台頭により、自動運転車は高い精度で環境を感知し、安全なリアルタイム決定を行い、人間の介入なしにより確実に運用することができる。
しかし、自動運転車のインテリジェントな意思決定は、現在の技術では人間には理解できないため、この技術が社会的に受け入れられることを妨げる。
したがって、自動運転車のAIシステムは、安全なリアルタイム決定を行う以外に、多くの管轄区域で規制に準拠するために、これらの決定がどのように構築されているかを説明する必要がある。
我々の研究は、自動運転車のための説明可能な人工知能(XAI)アプローチの開発に包括的な光を当てている。
特に、以下の貢献をしている。
まず,最先端の自動運転車産業における解説に関して,現状のギャップを概観する。
次に、この分野における説明の分類と説明のレシーバーを示す。
第3に、エンド・ツー・エンドの自動運転システムのアーキテクチャの枠組みを提案し、そのようなシステムのデバッグと制御におけるXAIの役割を正当化する。
最後に、今後の研究の方向性として、規制当局、製造業者、および全ての利害関係者による公的承認を達成するために、運転安全と透明性を向上させるためのXAIアプローチのフィールドガイドを提供する。
関連論文リスト
- Autonomous Vehicles: Evolution of Artificial Intelligence and Learning
Algorithms [0.0]
この研究は、長年にわたるAI/学習アルゴリズムの使用状況とタイプに関する統計的知見を提示する。
本論文では,トラックおよび自動車の精製アルゴリズムにおけるパラメータの役割について述べる。
結論は、さまざまなレベルの自律性を概説し、AIと学習アルゴリズムの微妙な使用を解明することだ。
論文 参考訳(メタデータ) (2024-02-27T17:07:18Z) - DME-Driver: Integrating Human Decision Logic and 3D Scene Perception in
Autonomous Driving [65.04871316921327]
本稿では,自律運転システムの性能と信頼性を高める新しい自律運転システムを提案する。
DME-Driverは、意思決定者として強力な視覚言語モデル、制御信号生成者として計画指向認識モデルを利用する。
このデータセットを利用することで、論理的思考プロセスを通じて高精度な計画精度を実現する。
論文 参考訳(メタデータ) (2024-01-08T03:06:02Z) - Towards Knowledge-driven Autonomous Driving [37.003908817857095]
本稿では,新しい知識駆動型自動運転技術について考察する。
我々の調査は、現在の自動運転システムの限界を浮き彫りにしている。
認知、一般化、生涯学習の能力を備えた知識駆動型手法は、これらの課題を克服するための有望な方法として浮上する。
論文 参考訳(メタデータ) (2023-12-07T14:17:17Z) - Applications of Computer Vision in Autonomous Vehicles: Methods,
Challenges and Future Directions [3.1818269491041153]
本稿では,過去10年間に出版されたコンピュータビジョンと自動運転に関する論文をレビューする。
特に、まず自律運転システムの開発について検討し、各国の主要自動車メーカーによって開発されたこれらのシステムを要約する。
そこで, 深度推定, 物体検出, 車線検出, 信号認識など, 自律運転におけるコンピュータビジョン応用の概要を概観する。
論文 参考訳(メタデータ) (2023-11-15T16:41:18Z) - LLM4Drive: A Survey of Large Language Models for Autonomous Driving [67.843551583229]
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) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - Emerging Threats in Deep Learning-Based Autonomous Driving: A
Comprehensive Survey [0.9163827313498957]
自動運転の基礎として、ディープラーニング技術は多くの新しいセキュリティリスクに直面している。
学術コミュニティは、敵対的な事例やAIバックドアに対するディープラーニング対策を提案している。
本稿では,自動運転におけるディープラーニングセキュリティ技術の概念,開発,最近の研究について要約する。
論文 参考訳(メタデータ) (2022-10-19T10:04:33Z) - Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。
インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。
これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
論文 参考訳(メタデータ) (2022-02-08T11:55:05Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳(メタデータ) (2022-01-26T18:53:09Z) - 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) - 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)
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。