論文の概要: Setting AI in context: A case study on defining the context and
operational design domain for automated driving
- arxiv url: http://arxiv.org/abs/2201.11451v1
- Date: Thu, 27 Jan 2022 11:26:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-28 19:11:35.984352
- Title: Setting AI in context: A case study on defining the context and
operational design domain for automated driving
- Title（参考訳）: AIをコンテキストに設定する:自動化運転におけるコンテキストと運用設計領域の定義に関するケーススタディ
- Authors: Hans-Martin Heyn and Padmini Subbiash and Jennifer Linder and Eric
Knauss and Olof Eriksson
- Abstract要約: このケーススタディでは、機械学習を自動運転に利用する知覚関数の開発における文脈定義の課題について検討する。
その結果、機械学習を用いたシステムの運用状況を定義する際に、自動車サプライヤーが経験した課題を概説した。
- 参考スコア（独自算出の注目度）: 5.083561746476347
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: [Context and motivation] For automated driving systems, the operational
context needs to be known in order to state guarantees on performance and
safety. The operational design domain (ODD) is an abstraction of the
operational context, and its definition is an integral part of the system
development process. [Question / problem] There are still major uncertainties
in how to clearly define and document the operational context in a diverse and
distributed development environment such as the automotive industry. This case
study investigates the challenges with context definitions for the development
of perception functions that use machine learning for automated driving.
[Principal ideas/results] Based on qualitative analysis of data from
semi-structured interviews, the case study shows that there is a lack of
standardisation for context definitions across the industry, ambiguities in the
processes that lead to deriving the ODD, missing documentation of assumptions
about the operational context, and a lack of involvement of function developers
in the context definition. [Contribution] The results outline challenges
experienced by an automotive supplier company when defining the operational
context for systems using machine learning. Furthermore, the study collected
ideas for potential solutions from the perspective of practitioners.
- Abstract（参考訳）: 状況とモチベーション] 自動運転システムでは、パフォーマンスと安全性の保証を記述するために、運用コンテキストを知っておく必要があります。
運用設計ドメイン(ODD)は運用コンテキストの抽象化であり、その定義はシステム開発プロセスの不可欠な部分である。
質問/問題] 自動車産業のような多様な分散開発環境において、運用コンテキストを明確に定義し、文書化する方法には、依然として大きな不確実性があります。
本稿では,機械学習を自動走行に用いた知覚機能開発における文脈定義の課題について検討する。
[主観/結果] 半構造化面接からのデータの質的分析に基づいて, 事例研究では, 業界全体での文脈定義の標準化の欠如, 操作的文脈に関する仮定の資料の欠如, 文脈定義における機能開発者の関与の欠如, の導出につながるプロセスの曖昧さが示された。
【帰結】機械学習を用いたシステムの運用コンテキストを定義する際に自動車サプライヤー会社が経験する課題を概説する。
さらに、実践者の視点から潜在的な解決策のアイデアを収集した。
関連論文リスト
- On The Importance of Reasoning for Context Retrieval in Repository-Level Code Editing [82.96523584351314]
我々は、コンテキスト検索のタスクをリポジトリレベルのコード編集パイプラインの他のコンポーネントと分離する。
我々は、推論が収集された文脈の精度を向上させるのに役立っているが、それでもその十分性を識別する能力は欠如していると結論づける。
論文 参考訳（メタデータ） (2024-06-06T19:44:17Z) - On STPA for Distributed Development of Safe Autonomous Driving: An Interview Study [0.7851536646859475]
System-Theoretic Process Analysis (STPA)は、防衛や航空宇宙といった安全関連分野に適用される新しい手法である。
STPAは、分散システム開発とマルチアトラクション設計レベルを備えた自動車システム工学において、完全には有効でない前提条件を前提としている。
これは継続的開発とデプロイメントにおける保守性の問題と見なすことができる。
論文 参考訳（メタデータ） (2024-03-14T15:56:02Z) - Auto-ICL: In-Context Learning without Human Supervision [93.05202223767463]
本稿では,モデルが問題解決のための例と指示を自律的に生成できる自動文脈学習フレームワークを提案する。
さまざまなモデルやデータセットにわたる実験により、結果は、モデル生成コンテキストが人間の注釈付きコンテキストより優れていることを示している。
論文 参考訳（メタデータ） (2023-11-15T07:37:28Z) - Towards Scenario-based Safety Validation for Autonomous Trains with Deep
Generative Models [0.0]
シナリオベース検証のための深層生成モデルを用いたデータシミュレーションの有用性に関する実践経験を報告する。
本研究では,鉄道シーンをより深い生成モデルで意味論的に編集し,限られた量の試験データをより代表的なものにする能力を実証する。
論文 参考訳（メタデータ） (2023-10-16T17:55:14Z) - DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。
そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文 参考訳（メタデータ） (2023-06-15T10:41:23Z) - Using Ontologies for the Formalization and Recognition of Criticality
for Automated Driving [0.0]
最近の進歩は、交通世界の本質的にオープンで複雑なコンテキストを扱う際に、関連する知識を活用する能力があることを示唆している。
本稿では,自動走行車の環境における臨界要因のモデリングと定式化のための強力なツールであることを示す。
本稿では, 都市交通シナリオの大規模ドローンデータセットを用いて, モジュール方式を詳しく検討し, 実装を公開し, 提案手法の評価を行う。
論文 参考訳（メタデータ） (2022-05-03T14:32:11Z) - Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。
このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。
また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T10:53:29Z) - Finding Critical Scenarios for Automated Driving Systems: A Systematic
Literature Review [20.926088145784604]
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。
論文 参考訳（メタデータ） (2021-10-16T21:24:19Z) - 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) - Out of Context: A New Clue for Context Modeling of Aspect-based
Sentiment Analysis [54.735400754548635]
ABSAは、与えられた側面に関してレビューで表現された感情を予測することを目的としている。
与えられたアスペクトは、コンテキストモデリングプロセスにおけるコンテキストからの新たなヒントと見なされるべきである。
異なるバックボーンに基づいて複数のアスペクト認識コンテキストエンコーダを設計する。
論文 参考訳（メタデータ） (2021-06-21T02:26:03Z) - Towards an Ontology for Scenario Definition for the Assessment of
Automated Vehicles: An Object-Oriented Framework [0.0]
シナリオの概念を包括的かつ運用的に定義する。
シナリオとビルディングブロックをオブジェクトのクラスとして定義するオブジェクト指向フレームワークを提案する。
それぞれの用語の定義と正当化を提供します。
論文 参考訳（メタデータ） (2020-01-30T08:14:26Z)
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。