論文の概要: Advising Autonomous Cars about the Rules of the Road

• arxiv url: http://arxiv.org/abs/2209.14035v1
• Date: Wed, 28 Sep 2022 12:22:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 17:47:55.971266
• Title: Advising Autonomous Cars about the Rules of the Road
• Title（参考訳）: 道路のルールについて自動運転車に助言する
• Authors: Joe Collenette (The University of Manchester), Louise A. Dennis (The University of Manchester), Michael Fisher (The University of Manchester)
• Abstract要約: (R)ules (o)f (T)he (R)oad (A)dvisor)は、人間レベルのルールの集合から生成される推奨かつ可能なアクションを提供する。 我々はRoTRAを使って英国「道路のルール」を定式化し、実装する
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper describes (R)ules (o)f (T)he (R)oad (A)dvisor, an agent that provides recommended and possible actions to be generated from a set of human-level rules. We describe the architecture and design of RoTRA, both formally and with an example. Specifically, we use RoTRA to formalise and implement the UK "Rules of the Road", and describe how this can be incorporated into autonomous cars such that they can reason internally about obeying the rules of the road. In addition, the possible actions generated are annotated to indicate whether the rules state that the action must be taken or that they only recommend that the action should be taken, as per the UK Highway Code (Rules of The Road). The benefits of utilising this system include being able to adapt to different regulations in different jurisdictions; allowing clear traceability from rules to behaviour, and providing an external automated accountability mechanism that can check whether the rules were obeyed in some given situation. A simulation of an autonomous car shows, via a concrete example, how trust can be built by putting the autonomous vehicle through a number of scenarios which test the car's ability to obey the rules of the road. Autonomous cars that incorporate this system are able to ensure that they are obeying the rules of the road and external (legal or regulatory) bodies can verify that this is the case, without the vehicle or its manufacturer having to expose their source code or make their working transparent, thus allowing greater trust between car companies, jurisdictions, and the general public.
• Abstract（参考訳）: 本稿では、人間レベルのルールの集合から生成される推奨かつ可能なアクションを提供するエージェントである(R)ules (o)f (T)he (R)oad (A)dvisorについて述べる。 我々はrotraのアーキテクチャと設計について、形式的かつ一例を挙げて説明する。 具体的には、RoTRAを使用して、英国における「道路のルール」を定式化し、それを自動運転車に組み込む方法を説明し、道路の規則に従うことを内部で説明します。 さらに、生成された可能性のあるアクションは、イギリス高速道路法(道路規則)に従って、そのアクションを取るべきかどうか、または、アクションを取るべきことをしか推奨していないかを示すためにアノテートされる。 このシステムを利用する利点は、異なる管轄区域で異なる規則に適応できること、ルールから振る舞いへの明確なトレーサビリティを許容すること、特定の状況でルールが従ったかどうかを外部の自動化説明責任メカニズムを提供することである。 自動運転車のシミュレーションは、具体的な例を通じて、自動運転車が道路の規則に従う能力をテストするいくつかのシナリオを通すことによって、いかに信頼が構築されるかを示す。 このシステムを組み込んだ自律走行車は、道路の規則に従うことを確実にすることができ、車両やメーカーがソースコードを公開したり、その動作を透明化することなく、自動車会社、司法機関、および一般大衆の間での信頼を深めることができる。

関連論文リスト

• Driving with Regulation: Interpretable Decision-Making for Autonomous Vehicles with Retrieval-Augmented Reasoning via LLM [11.725133614445093]
  この研究は、自動運転車の解釈可能な意思決定の枠組みを示す。 我々は、検索型拡張生成(RAG)に基づく交通規制検索(TRR)エージェントを開発する。 検索したルールの意味的な複雑さを考えると、我々はLarge Language Model (LLM)を利用した推論モジュールも設計する。
  論文  参考訳（メタデータ） (2024-10-07T05:27:22Z)
• Provable Traffic Rule Compliance in Safe Reinforcement Learning on the Open Sea [8.017543518311196]
  強化学習(Reinforcement Learning, RL)は、自動運転車の運動計画を見つけるための有望な方法である。 提案手法は,時間論理仕様をRLに組み込むことにより,規則遵守の保証を実現する。 重要な海上交通状況に関する数値的な評価では、我々のエージェントは常に形式化された法規に準拠し、決して衝突しない。
  論文  参考訳（メタデータ） (2024-02-13T14:59:19Z)
• Robust Driving Policy Learning with Guided Meta Reinforcement Learning [49.860391298275616]
  本稿では,ソーシャルカーの多種多様な運転方針を一つのメタ政治として訓練する効率的な方法を提案する。 ソーシャルカーのインタラクションに基づく報酬関数をランダム化することにより、多様な目的を生み出し、メタ政治を効率的に訓練することができる。 本研究では,社会自動車が学習メタ政治によって制御される環境を利用して,エゴ自動車の運転方針の堅牢性を高めるためのトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-19T17:42:36Z)
• 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)
• Quantification of Actual Road User Behavior on the Basis of Given Traffic Rules [4.731404257629232]
  本研究では,人間の運転データから規則適合度の分布を導出する手法を提案する。 提案手法は,オープンモーションデータセットと安全距離および速度制限ルールを用いて実証する。
  論文  参考訳（メタデータ） (2022-02-07T09:14:53Z)
• Smart Automotive Technology Adherence to the Law: (De)Constructing Road Rules for Autonomous System Development, Verification and Safety [0.7481220126953327]
  運転は直感的なタスクであり、予期しない出来事に対して、スキル、絶え間ない警告、警戒を必要とする。 現代の自動車には、いくつかの、ほとんどの、または限られたケースで、すべての運転タスクを仮定できる、スマートアシストと自律運転システムが含まれています。 英国運輸省は、自動車線維持システムの安全使用に対する対応として、これらのシステムは関連する交通規則に準拠するためにテストされていることを提案している。 本稿では,交通法の複雑な法体系を再構築し,その要件と流れを表現するためのアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-07T09:22:15Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• 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)
• 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。