Fugu-MT 論文翻訳(概要): Grasping Causality for the Explanation of Criticality for Automated Driving

論文の概要: Grasping Causality for the Explanation of Criticality for Automated Driving

arxiv url: http://arxiv.org/abs/2210.15375v1
Date: Thu, 27 Oct 2022 12:37:00 GMT
ステータス: 処理完了
システム内更新日: 2022-10-28 15:05:07.606664
Title: Grasping Causality for the Explanation of Criticality for Automated Driving
Title（参考訳）: 自動走行の臨界性説明のための因果関係の把握
Authors: Tjark Koopmann and Christian Neurohr and Lina Putze and Lukas Westhofen and Roman Gansch and Ahmad Adee
Abstract要約: 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。
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: The verification and validation of automated driving systems at SAE levels 4 and 5 is a multi-faceted challenge for which classical statistical considerations become infeasible. For this, contemporary approaches suggest a decomposition into scenario classes combined with statistical analysis thereof regarding the emergence of criticality. Unfortunately, these associational approaches may yield spurious inferences, or worse, fail to recognize the causalities leading to critical scenarios, which are, in turn, prerequisite for the development and safeguarding of automated driving systems. As to incorporate causal knowledge within these processes, this work introduces a formalization of causal queries whose answers facilitate a causal understanding of safety-relevant influencing factors for automated driving. This formalized causal knowledge can be used to specify and implement abstract safety principles that provably reduce the criticality associated with these influencing factors. Based on Judea Pearl's causal theory, we define a causal relation as a causal structure together with a context, both related to a domain ontology, where the focus lies on modeling the effect of such influencing factors on criticality as measured by a suitable metric. As to assess modeling quality, we suggest various quantities and evaluate them on a small example. As availability and quality of data are imperative for validly estimating answers to the causal queries, we also discuss requirements on real-world and synthetic data acquisition. We thereby contribute to establishing causal considerations at the heart of the safety processes that are urgently needed as to ensure the safe operation of automated driving systems.
Abstract（参考訳）: SAEレベル4と5における自動運転システムの検証と検証は、古典的な統計的考察が実現不可能な多面的課題である。このために、現代のアプローチは、臨界性の出現に関する統計分析と組み合わせたシナリオクラスへの分解を示唆している。残念なことに、これらの連想的アプローチは、スプリアスな推論を生じさせるかもしれないし、さらに悪いことに、重要なシナリオにつながる因果を認識できないかもしれない。これらのプロセスに因果的知識を組み込むため、この研究は、自動化運転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導入する。この形式化された因果知識は、これらの影響要因に関連する臨界性を確実に低減する抽象的安全原則の特定と実装に使用できる。ジューデア・パールの因果理論に基づいて、因果関係を文脈とともに因果構造として定義し、それらの要因が臨界性に与える影響を適切な計量で測定することに焦点を当てる。モデリングの品質を評価するために,様々な量を提案し,小さな例で評価する。因果クエリに対する応答を正当に推定するために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。そこで我々は,自動運転システムの安全運転を確保するために,緊急に必要な安全プロセスの中心に因果的配慮を確立することに貢献する。

関連論文リスト

On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-24T08:08:05Z)
Formalized Identification Of Key Factors In Safety-Relevant Failure Scenarios [0.0]
本稿では、安全関連障害シナリオにおける重要な要因を系統的に同定する、データに基づくアプローチを提案する。このアプローチでは、障害データベースの情報に基づいて影響要因を導出する。本研究は、障害データベースの情報を用いて、安全関連障害シナリオの重要な要因を特定するための堅牢な方法を示す。
論文参考訳（メタデータ） (2024-02-28T09:28:36Z)
STEAM & MoSAFE: SOTIF Error-and-Failure Model & Analysis for AI-Enabled Driving Automation [4.820785104084241]
本稿では、SOTIF因果モデルの改良として、STEAM(SotIF Temporal Error and Failure Model)を定義した。第2に,システム設計モデルに基づくSTEAMのインスタンス化が可能なモデルベースSOTIF解析法(MoSAFE)を提案する。
論文参考訳（メタデータ） (2023-12-15T06:34:35Z)
Seeing is not Believing: Robust Reinforcement Learning against Spurious Correlation [57.351098530477124]
国家の異なる部分には、保存されていない共同設立者が引き起こす相関関係が存在しない。このような役に立たないあるいは有害な相関を学習するモデルは、テストケースの共同創設者がトレーニングケースから逸脱したときに破滅的に失敗する可能性がある。したがって、単純かつ非構造的な不確実性集合を仮定する既存の頑健なアルゴリズムは、この問題に対処するには不十分である。
論文参考訳（メタデータ） (2023-07-15T23:53:37Z)
On a Uniform Causality Model for Industrial Automation [61.303828551910634]
産業自動化の様々な応用分野に対する一様因果モデルを提案する。得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
論文参考訳（メタデータ） (2022-09-20T11:23:51Z)
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)
Trying to Outrun Causality with Machine Learning: Limitations of Model Explainability Techniques for Identifying Predictive Variables [7.106986689736828]
機械学習のアルゴリズムは、見た目ほど柔軟性がなく、データの根底にある因果構造に驚くほど敏感であることを示す。我々は、重要な変数のデータを探索したい研究者のために、いくつかの代替のレコメンデーションを提供する。
論文参考訳（メタデータ） (2022-02-20T17:48:54Z)
Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文参考訳（メタデータ） (2022-01-27T22:15:56Z)
CausalAF: Causal Autoregressive Flow for Safety-Critical Driving Scenario Generation [34.45216283597149]
フローベース生成フレームワークCausal Autoregressive Flow(CausalAF)を提案する。 CausalAFは生成モデルに対して、生成されたオブジェクト間の因果関係を発見し、追跡することを奨励する。生成したシナリオを追加のトレーニングサンプルとして使用することで、自律運転アルゴリズムの堅牢性を実証的に改善することを示す。
論文参考訳（メタデータ） (2021-10-26T18:07:48Z)
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)
Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文参考訳（メタデータ） (2021-06-14T20:48:48Z)

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。