論文の概要: The risk ethics of autonomous vehicles: a continuous trolley problem in
regular road traffic
- arxiv url: http://arxiv.org/abs/2206.03258v1
- Date: Tue, 24 May 2022 20:49:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-12 09:33:36.407040
- Title: The risk ethics of autonomous vehicles: a continuous trolley problem in
regular road traffic
- Title(参考訳): 自動運転車のリスク倫理:定期道路交通における連続的トロリー問題
- Authors: Sebastian Kr\"ugel and Matthias Uhl
- Abstract要約: 自動運転車(AV)は、通常の交通状況において、明示的または暗黙的に、道路利用者間でリスクを分散すると主張している。
異なる交通状況のインタラクティブなグラフィカルな表現を用いて,AVの運転操作に対する参加者の嗜好を測定した。
AVの社会的ジレンマがリスクの文脈で減少する可能性を示唆する他の道路利用者の利益のために、参加者は自らリスクを取ることを望んでいた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Is the ethics of autonomous vehicles (AVs) restricted to weighing lives in
unavoidable accidents? We argue that AVs distribute risks between road users in
regular traffic situations, either explicitly or implicitly. This distribution
of risks raises ethically relevant questions that cannot be evaded by simple
heuristics such as "hitting the brakes." Using an interactive, graphical
representation of different traffic situations, we measured participants'
preferences on driving maneuvers of AVs in a representative survey in Germany.
Our participants' preferences deviated significantly from mere collision
avoidance. Interestingly, our participants were willing to take risks
themselves for the benefit of other road users suggesting that the social
dilemma of AVs may lessen in a context of risk.
- Abstract(参考訳): 自走車(AV)の倫理は、避けられない事故の寿命に制限されているか?
AVは、通常の交通状況において、明示的または暗黙的に、道路利用者間でリスクを分散する。
このリスクの分散は「ブレーキを踏む」といった単純なヒューリスティックスでは回避できない倫理的な問題を引き起こす。
異なる交通状況のインタラクティブなグラフィカルな表現を用いて、ドイツにおける代表的調査において、参加者のAVの運転操作に対する嗜好を測定した。
参加者の嗜好は衝突回避から大きく逸脱した。
興味深いことに、AVの社会的ジレンマがリスクの文脈で減少する可能性を示唆する他の道路利用者の利益のために、参加者は自らリスクを負う意思があった。
関連論文リスト
- Risk-anticipatory autonomous driving strategies considering vehicles'
weights, based on hierarchical deep reinforcement learning [11.465760521923768]
本研究では,周囲の車両の重量を考慮し,リスク予測に基づく自律運転戦略を開発する。
リスクフィールド理論に基づいて、周囲の車両の重量を統合するリスクインジケータを提案し、自律運転決定に組み込んだ。
衝突時の潜在的な衝突エネルギーを示す指標を新たに提案し, AV駆動方式の性能評価を行った。
論文 参考訳(メタデータ) (2023-12-27T06:03:34Z) - 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) - Evaluation of Safety Constraints in Autonomous Navigation with Deep
Reinforcement Learning [62.997667081978825]
学習可能なナビゲーションポリシとして,セーフとアンセーフの2つを比較します。
安全なポリシは、制約をアカウントに含めますが、もう一方はそうではありません。
安全政策は、よりクリアランスの高い軌道を生成することができ(障害物によらず)、全体的な性能を犠牲にすることなく、トレーニング中に衝突を減らすことができることを示す。
論文 参考訳(メタデータ) (2023-07-27T01:04:57Z) - A Probabilistic Framework for Estimating the Risk of Pedestrian-Vehicle
Conflicts at Intersections [5.8366275205801985]
本研究では,交差点における歩行者と車両の衝突リスクを推定するための確率的枠組みを提案する。
提案フレームワークは,ガウスプロセス回帰を用いた軌道予測により,一定速度の制約を緩和する。
交差点で収集した実世界のLiDARデータを用いて,提案フレームワークの性能評価を行った。
論文 参考訳(メタデータ) (2022-07-28T15:08:41Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳(メタデータ) (2022-06-28T17:08:31Z) - Mathematical Models of Human Drivers Using Artificial Risk Fields [8.074019565026544]
我々は、人間の運転者が今後の道路状況に応じてどのように車両を制御するかを予測するために、人工リスクフィールドの概念を用いる。
リスクフィールドは、最大20秒の予測地平線において、高い予測精度で将来の軌道を予測するのに優れている。
論文 参考訳(メタデータ) (2022-05-24T15:39:01Z) - Pedestrian Emergence Estimation and Occlusion-Aware Risk Assessment for
Urban Autonomous Driving [0.0]
都市部における自律走行における歩行者の出現予測と排他的リスク評価システムを提案する。
まず,視覚車や歩行者などの状況情報を用いて,閉塞地域における歩行者の出現確率を推定する。
提案した制御器は安全性と快適性の観点から基準線よりも優れていた。
論文 参考訳(メタデータ) (2021-07-06T00:07:09Z) - AdvSim: Generating Safety-Critical Scenarios for Self-Driving Vehicles [76.46575807165729]
我々は,任意のLiDARベースの自律システムに対して,安全クリティカルなシナリオを生成するための,敵対的フレームワークであるAdvSimを提案する。
センサデータから直接シミュレートすることにより、完全な自律スタックに対して安全クリティカルな敵シナリオを得る。
論文 参考訳(メタデータ) (2021-01-16T23:23:12Z) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳(メタデータ) (2020-11-21T09:43:50Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳(メタデータ) (2020-06-26T11:07:32Z)
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。