論文の概要: Architecting Safer Autonomous Aviation Systems
- arxiv url: http://arxiv.org/abs/2301.08138v1
- Date: Mon, 9 Jan 2023 21:02:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-29 13:58:27.662230
- Title: Architecting Safer Autonomous Aviation Systems
- Title（参考訳）: 自律型航空システムの構築
- Authors: Jane Fenn, Mark Nicholson, Ganesh Pai, and Michael Wilkinson
- Abstract要約: 本稿では,従来の航空システムで使用される共通アーキテクチャパターンについて考察し,安全性と安全性の保証がもたらす影響について考察する。
安全性を建築上の特性として考慮し、設計ライフサイクルの初期段階において、安全要件の割り当てとアーキテクチャ上のトレードオフの両方について論じる。
- 参考スコア（独自算出の注目度）: 1.2599533416395767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The aviation literature gives relatively little guidance to practitioners
about the specifics of architecting systems for safety, particularly the impact
of architecture on allocating safety requirements, or the relative ease of
system assurance resulting from system or subsystem level architectural
choices. As an exemplar, this paper considers common architectural patterns
used within traditional aviation systems and explores their safety and safety
assurance implications when applied in the context of integrating artificial
intelligence (AI) and machine learning (ML) based functionality. Considering
safety as an architectural property, we discuss both the allocation of safety
requirements and the architectural trade-offs involved early in the design
lifecycle. This approach could be extended to other assured properties, similar
to safety, such as security. We conclude with a discussion of the safety
considerations that emerge in the context of candidate architectural patterns
that have been proposed in the recent literature for enabling autonomy
capabilities by integrating AI and ML. A recommendation is made for the
generation of a property-driven architectural pattern catalogue.
- Abstract（参考訳）: 航空文献は、安全のための建築システム、特に安全要件の割り当てに対するアーキテクチャの影響、またはシステムまたはサブシステムレベルのアーキテクチャ選択によるシステム保証の比較的容易さについて、実践者に比較的少ないガイダンスを与えている。
本稿では,従来の航空システムにおける共通アーキテクチャパターンを考察し,人工知能(AI)と機械学習(ML)をベースとした機能の統合に応用した場合の安全性と安全性の保証について考察する。
安全性をアーキテクチャ特性として考慮し,安全要件の割り当てと設計ライフサイクルの初期段階におけるアーキテクチャ上のトレードオフについて論じる。
このアプローチは、セキュリティなどの安全性と同様に、他の保証されたプロパティにも拡張できる。
結論として,aiとmlの統合による自律性の実現に向けて,近年の文献で提案されているアーキテクチャパターン候補の文脈における安全性の検討を考察した。
プロパティ駆動のアーキテクチャパターンカタログを生成するために推奨される。
関連論文リスト
- A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。
コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
論文 参考訳（メタデータ） (2025-01-20T15:30:09Z) - Landscape of AI safety concerns -- A methodology to support safety assurance for AI-based autonomous systems [0.0]
AIは重要な技術として登場し、さまざまなアプリケーションにまたがる進歩を加速している。
AIコンポーネントを組み込んだシステムの安全性を確保するという課題は、極めて重要である。
本稿では,AIシステムにおける安全保証事例作成を支援する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-12-18T16:38:16Z) - EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
論文 参考訳（メタデータ） (2024-08-08T13:19:37Z) - Swiss Cheese Model for AI Safety: A Taxonomy and Reference Architecture for Multi-Layered Guardrails of Foundation Model Based Agents [12.593620173835415]
Foundation Model(FM)ベースのエージェントは、さまざまなドメインにわたるアプリケーション開発に革命をもたらしている。
本稿では,FMをベースとしたエージェントを対象としたランタイムガードレールの包括的分類を行い,ガードレールと設計次元の重要な品質特性を同定する。
また,Swiss Cheese ModelにインスパイアされたFMエージェントのための多層型ランタイムガードレールの設計のための参照アーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-08-05T03:08:51Z) - Model-Driven Security Analysis of Self-Sovereign Identity Systems [2.5475486924467075]
本稿では,SSIシステムのアーキテクチャパターンをモデル化するためのモデル駆動型セキュリティ分析フレームワークを提案する。
我々のフレームワークは、時間論理におけるセキュリティ特性を持つパターンや脅威を形式化するモデリング言語を機械化する。
SecureSSIで検証された典型的な脆弱性パターンを示す。
論文 参考訳（メタデータ） (2024-06-02T05:44:32Z) - Towards Guaranteed Safe AI: A Framework for Ensuring Robust and Reliable AI Systems [88.80306881112313]
我々は、AI安全性に対する一連のアプローチを紹介し、定義する。
これらのアプローチの中核的な特徴は、高保証の定量的安全性保証を備えたAIシステムを作ることである。
これら3つのコアコンポーネントをそれぞれ作成するためのアプローチを概説し、主な技術的課題を説明し、それらに対する潜在的なソリューションをいくつか提案します。
論文 参考訳（メタデータ） (2024-05-10T17:38:32Z) - An AIC-based approach for articulating unpredictable problems in open complex environments [0.0]
システムアプローチを採用することで、信頼性の高いシステムを設計する際のアーキテクトの予測能力を改善することを目指している。
このアプローチを説明するために、航空宇宙ケーススタディが使用されます。
論文 参考訳（メタデータ） (2024-03-15T20:30:02Z) - Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
10か国25以上の組織から61名の被験者を対象に調査を行った。
論文 参考訳（メタデータ） (2023-08-09T21:54:34Z) - Evaluating Model-free Reinforcement Learning toward Safety-critical
Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。
安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。
この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文 参考訳（メタデータ） (2022-12-12T06:30:17Z) - STARdom: an architecture for trusted and secure human-centered
manufacturing systems [4.093985503448998]
予測と説明可能な人工知能を統合し,ユーザのフィードバック収集をサポートし,アクティブラーニングとシミュレート現実を用いて予測を強化するアーキテクチャを提案する。
需要予測の領域向けに調整し、実世界のケーススタディで検証します。
論文 参考訳（メタデータ） (2021-04-02T11:00:20Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z)
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。