論文の概要: How might Driver Licensing and Vehicle Registration evolve if we adopt Autonomous Cars and Digital Identification?

• arxiv url: http://arxiv.org/abs/2202.09861v1
• Date: Sun, 20 Feb 2022 17:11:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:05:18.122505
• Title: How might Driver Licensing and Vehicle Registration evolve if we adopt Autonomous Cars and Digital Identification?
• Title（参考訳）: 自律走行車とデジタル識別を採用する場合、運転免許と車両登録はどのように進化するか?
• Authors: Scott McLachlan
• Abstract要約: ドライバーのトレーニングやライセンシングには、同様の未来があるかもしれない、と私たちは主張する。 パイロットの免許は依然として、完全な制御を前提として必要な飛行を完了させる能力に証明されている。
• 参考スコア（独自算出の注目度）: 0.18275108630751835
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It has been said that fewer or greater numbers of driver's licenses may be issued in future. However, when we extrapolate based on comparisons to other transport domains that have high levels of automation like aviation, the future for driver's licenses may not be so up in the air. Introduction of autonomous systems in aviation frequently leads to pilot retraining, and while modern commercial jets are generally sufficiently capable to take off, fly to their destination and land with little in the way of human intervention, pilots are still required and every pilot must hold a current license with ratings for the types of plane they command. Contemporary in-service training for commercial pilots has shifted focus from extended practicing of general flight skills like navigation and radio use. Pilots now spend many hours each year in simulators training to building knowledge, experience and thus muscle memory for how to respond when the airplane's extensive interconnected collection of semi- and fully-autonomous fly-by-wire systems go awry. While the plane itself is actually flying for much of the time during most flights today, the pilot's license still attests to their ability to assume full control and complete the flight where it becomes necessary. We contend a similar future may exist for driver training and licensure.
• Abstract（参考訳）: 将来的には運転免許証の発行数が減る可能性があると言われている。 しかし、航空のような高度な自動化レベルを持つ他の輸送ドメインとの比較に基づいて推定すると、運転免許の将来はそれほど高くないかもしれません。 航空に自律的なシステムを導入するとパイロットの再訓練が頻繁に行われ、現代の商用ジェット機は一般的に離陸、目的地への飛行、着陸を人間の介入のほとんどなく行うことができるが、パイロットはいまだに必要であり、全てのパイロットは自らの指揮する航空機のタイプについて現在のライセンスを持つ必要がある。 現代の商用パイロットの訓練は、航法や無線使用といった一般的な飛行スキルの広範な実践から焦点を移している。 パイロットは毎年多くの時間をシミュレーターに費やし、知識の構築、経験、そして、飛行機が半自動で完全に自律的なフライバイワイヤシステムの広範囲に相互接続された時にどのように反応するかの筋肉記憶を訓練している。 飛行機自体は、今日のほとんどの飛行で実際にほとんどの時間飛行しているが、パイロットの免許は、完全な制御を前提として必要な飛行を完了できることを証明している。 ドライバーの訓練や免許取得には、同様の未来があるかもしれない。

関連論文リスト

• Autonomous Advanced Aerial Mobility -- An End-to-end Autonomy Framework for UAVs and Beyond [0.7252027234425332]
  この記事では、知覚、知覚、計画、制御という4つの主要なブロックで構成されるスケーラブルな自律性と自律性フレームワークを提案する。 この視点は、自律的高度空中移動場とその今後の方向性の全体像を提供することを目的としている。
  論文  参考訳（メタデータ） (2023-11-08T05:54:22Z)
• Rethinking Closed-loop Training for Autonomous Driving [82.61418945804544]
  本研究は,学習エージェントの成功に対する異なるトレーニングベンチマーク設計の影響を分析した最初の実証的研究である。 複数ステップのルックアヘッドで計画を行うRLベースの駆動エージェントであるtrajectory value learning (TRAVL)を提案する。 実験の結果,TRAVLはすべてのベースラインと比較してより速く学習でき,安全な操作が可能であることがわかった。
  論文  参考訳（メタデータ） (2023-06-27T17:58:39Z)
• Towards Cooperative Flight Control Using Visual-Attention [61.99121057062421]
  本稿では,パイロットと制御システム間の並列自律性を実現するための,視覚に基づくエアガードシステムを提案する。 我々の注意に基づく航空防衛システムは、飛行への関与レベルとパイロットの専門知識と注意のトレードオフをバランスさせることができる。
  論文  参考訳（メタデータ） (2022-12-21T15:31:47Z)
• AI Enabled Maneuver Identification via the Maneuver Identification Challenge [5.628624906988051]
  Maneuver IDは、現実の空軍のフライトシミュレーターデータを用いたAIチャレンジである。 このデータセットはManeuver-ID.mit.eduで公開されている。 我々は「良い」と「悪い」シミュレーターデータを分離し、操作の分類と特徴付けに様々なAI手法を適用した。
  論文  参考訳（メタデータ） (2022-11-28T16:55:32Z)
• The eyes and hearts of UAV pilots: observations of physiological responses in real-life scenarios [64.0476282000118]
  民間機や軍用機では、パイロットはリアルなシミュレーターで自分の反応や反射を調整できる。 この作業は、現場でパイロットの行動を収集し、パフォーマンスを向上させるソリューションを提供することを目的としています。
  論文  参考訳（メタデータ） (2022-10-26T14:16:56Z)
• Augmenting Flight Training with AI to Efficiently Train Pilots [0.0]
  航空機の操縦方法を学ぶためのAIベースのパイロットトレーナーを提案する。 AIエージェントは、行動クローニングを使用して、資格のある飛行インストラクターから飛行操作を学習する。 このシステムは、エージェントの判断を用いて、学生が犯したエラーを検出し、学生がエラーを修正するのを助けるフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-10-13T02:35:24Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• 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)
• GymFG: A Framework with a Gym Interface for FlightGear [2.769397444183181]
  我々は、GymFG:GymFGカップルを開発し、高忠実でオープンソースのフライトシミュレータを拡張した。 我々は,Imitation Learning を用いた自律航空エージェントの訓練に GymFG を用いることを実証した。
  論文  参考訳（メタデータ） (2020-04-26T21:06:20Z)
• Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
  本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。 提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
  論文  参考訳（メタデータ） (2020-01-03T11:16:41Z)

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。