論文の概要: Using Ontologies for the Formalization and Recognition of Criticality for Automated Driving

• arxiv url: http://arxiv.org/abs/2205.01532v1
• Date: Tue, 3 May 2022 14:32:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-04 14:58:34.632244
• Title: Using Ontologies for the Formalization and Recognition of Criticality for Automated Driving
• Title（参考訳）: オントロジーを用いた自動運転における臨界点の形式化と認識
• Authors: Lukas Westhofen, Christian Neurohr, Martin Butz, Maike Scholtes, Michael Schuldes
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge representation and reasoning has a long history of examining how knowledge can be formalized, interpreted, and semantically analyzed by machines. In the area of automated vehicles, recent advances suggest the ability to formalize and leverage relevant knowledge as a key enabler in handling the inherently open and complex context of the traffic world. This paper demonstrates ontologies to be a powerful tool for a) modeling and formalization of and b) reasoning about factors associated with criticality in the environment of automated vehicles. For this, we leverage the well-known 6-Layer Model to create a formal representation of the environmental context. Within this representation, an ontology models domain knowledge as logical axioms, enabling deduction on the presence of critical factors within traffic scenes and scenarios. For executing automated analyses, a joint description logic and rule reasoner is used in combination with an a-priori predicate augmentation. We elaborate on the modular approach, present a publicly available implementation, and evaluate the method by means of a large-scale drone data set of urban traffic scenarios.
• Abstract（参考訳）: 知識表現と推論は、機械によって知識がどのように形式化され、解釈され、意味的に分析されるかを調べる長い歴史を持つ。 自動運転車の分野では、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上で、関連する知識を形式化し活用する能力が提案されている。 本稿では,オントロジーが強力なツールであることを示す。 a)モデリングと形式化、及び b) 自動運転車の環境における臨界性に関連する要因に関する推論 このため、よく知られた6層モデルを用いて、環境コンテキストの形式表現を作成する。 この表現の中で、オントロジーはドメイン知識を論理公理としてモデル化し、交通シーンやシナリオにおける重要な要因の存在を推論する。 自動分析を行うには、a-priori述語拡張と組み合わせて、合同記述論理と規則推論器を用いる。 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。

関連論文リスト

• A process algebraic framework for multi-agent dynamic epistemic systems [55.2480439325792]
  本稿では,マルチエージェント,知識ベース,動的システムのモデリングと解析のための統合フレームワークを提案する。 モデリング側では,このようなフレームワークを実用的な目的に使いやすくするプロセス代数的,エージェント指向の仕様言語を提案する。
  論文  参考訳（メタデータ） (2024-07-24T08:35:50Z)
• A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
  トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。 先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。 本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
  論文  参考訳（メタデータ） (2023-06-05T01:01:12Z)
• Grasping Causality for the Explanation of Criticality for Automated Driving [0.0]
  本研究では,自動走行における安全関連要因の因果的理解を促進する因果的クエリの形式化を提案する。 ジュデア・パールの因果論に基づいて、因果関係を文脈とともに因果構造として定義する。 因果クエリに対する応答を正当に推定するには,データの可用性と品質が不可欠であるため,実世界および合成データ取得の要件についても論じる。
  論文  参考訳（メタデータ） (2022-10-27T12:37:00Z)
• Incorporating Casual Analysis into Diversified and Logical Response Generation [14.4586344491264]
  条件変分オートエンコーダ(CVAE)モデルは、従来のSeq2Seqモデルよりも多様な応答を生成することができる。 本稿では,メディエータが関連する情報を保持することを予測し,メディエータを自動回帰的に生成プロセスに組み込むことを提案する。
  論文  参考訳（メタデータ） (2022-09-20T05:51:11Z)
• Important Object Identification with Semi-Supervised Learning for Autonomous Driving [37.654878298744855]
  本稿では,エゴセントリック駆動シナリオにおける重要な物体識別のための新しい手法を提案する。 モデルが無制限なラベル付きデータから学習できるようにするための,半教師付き学習パイプラインを提案する。 私たちのアプローチはルールベースのベースラインよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2022-03-05T01:23:13Z)
• Automated Machine Learning, Bounded Rationality, and Rational Metareasoning [62.997667081978825]
  有界合理性の観点から、自動機械学習(AutoML)と関連する問題を考察する。 リソース境界の下でアクションを取るには、エージェントがこれらのリソースを最適な方法で利用する方法を反映する必要がある。
  論文  参考訳（メタデータ） (2021-09-10T09:10:20Z)
• 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)
• Semantically Adversarial Scenario Generation with Explicit Knowledge Guidance [24.09547181095033]
  本稿では,SAG(Semantically Adversarial Generation)を実現するために,ドメイン知識を生成プロセスに明示的に組み込む手法を提案する。 ツリー構造内のノードとエッジの特性に意味ルールを付与することにより、明示的な知識統合が制御可能な生成を可能にします。 本手法は, 異なる最先端3Dポイントクラウドセグメンテーションモデルに対して, 対向駆動シーンを効果的に同定する。
  論文  参考訳（メタデータ） (2021-06-08T02:51:33Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツール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） (2020-03-02T10:32:21Z)

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。