Fugu-MT 論文翻訳(概要): Symbolic Perception Risk in Autonomous Driving

論文の概要: Symbolic Perception Risk in Autonomous Driving

arxiv url: http://arxiv.org/abs/2303.09416v1
Date: Thu, 16 Mar 2023 15:49:24 GMT
ステータス: 翻訳完了
システム内更新日: 2023-03-17 14:54:04.942484
Title: Symbolic Perception Risk in Autonomous Driving
Title（参考訳）: 自律運転における象徴的知覚リスク
Authors: Guangyi Liu, Disha Kamale, Cristian-Ioan Vasile, and Nader Motee
Abstract要約: 交通標識分類タスクにおける誤認識のリスクを評価するための新しい枠組みを開発する。視覚的入力品質が徐々に向上する自律運転環境での問題を考える。条件付き値-at-risk(CVaR)の誤認識のクローズドな表現を示す。
参考スコア（独自算出の注目度）: 4.371383574272895
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We develop a novel framework to assess the risk of misperception in a traffic sign classification task in the presence of exogenous noise. We consider the problem in an autonomous driving setting, where visual input quality gradually improves due to improved resolution, and less noise since the distance to traffic signs decreases. Using the estimated perception statistics obtained using the standard classification algorithms, we aim to quantify the risk of misperception to mitigate the effects of imperfect visual observation. By exploring perception outputs, their expected high-level actions, and potential costs, we show the closed-form representation of the conditional value-at-risk (CVaR) of misperception. Several case studies support the effectiveness of our proposed methodology.
Abstract（参考訳）: 我々は,外因性雑音の存在下での交通標識分類タスクにおける誤認識のリスクを評価するための新しい枠組みを開発した。視覚的入力品質が徐々に改善され,交通標識までの距離が減少し,ノイズが減少する自律運転環境では,この問題を考察する。標準分類アルゴリズムを用いて得られた推定知覚統計を用いて、誤知覚のリスクを定量化し、不完全な視覚観察の効果を緩和する。認識出力, 期待される高レベル行動, 潜在的なコストを探索することにより, 誤認識の条件付き値-リスク(CVaR)のクローズドな表現を示す。提案手法の有効性を裏付けるケーススタディがいくつかある。

関連論文リスト

A Knowledge-guided Adversarial Defense for Resisting Malicious Visual Manipulation [93.28532038721816]
視覚的操作の悪意ある応用は、多くの分野でユーザーのセキュリティと評判に深刻な脅威をもたらしている。本稿では,悪質な操作モデルを積極的に強制し,意味論的に混乱したサンプルを出力するために,知識誘導型敵防衛(KGAD)を提案する。
論文参考訳（メタデータ） (2025-04-11T10:18:13Z)
INSIGHT: Enhancing Autonomous Driving Safety through Vision-Language Models on Context-Aware Hazard Detection and Edge Case Evaluation [7.362380225654904]
INSIGHTは、危険検出とエッジケース評価を強化するために設計された階層型視覚言語モデル(VLM)フレームワークである。本手法は,マルチモーダルデータ融合を用いて意味表現と視覚表現を統合し,運転シナリオの正確な解釈を可能にする。 BDD100Kデータセットの実験結果は、既存のモデルよりもハザード予測の正確性と正確性を大幅に改善したことを示している。
論文参考訳（メタデータ） (2025-02-01T01:43:53Z)
Potential Field as Scene Affordance for Behavior Change-Based Visual Risk Object Identification [4.896236083290351]
行動変化に基づく視覚的リスクオブジェクト識別(Visual-ROI)について検討する。既存の手法はしばしば空間的精度と時間的一貫性に重大な制限を呈する。本稿では,これらの課題を克服するために,バードアイビュー表現を用いた新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-09-24T08:17:50Z)
Heteroscedastic Uncertainty Estimation Framework for Unsupervised Registration [32.081258147692395]
本稿では,異種画像の不確実性推定のためのフレームワークを提案する。教師なし登録時の不確実性の高い領域の影響を適応的に低減することができる。提案手法は, ベースラインを常に上回り, 有意な不確実性推定を導出する。
論文参考訳（メタデータ） (2023-12-01T01:03:06Z)
Defensive Perception: Estimation and Monitoring of Neural Network Performance under Deployment [0.6982738885923204]
本稿では,自律運転におけるセマンティックセグメンテーションのためのニューラルネットワークにおける未知の破滅的展開とドメインシフトの問題に対処する手法を提案する。我々のアプローチは、自律運転に対するディープラーニングに基づく認識が不確実であり、確率分布として最もよく表されるという考えに基づいている。
論文参考訳（メタデータ） (2023-08-11T07:45:36Z)
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)
Intersection Warning System for Occlusion Risks using Relational Local Dynamic Maps [0.0]
本研究は,センサカバレッジの制限による可観測性に制限のある交通シナリオにおけるリスク評価の課題に対処する。視界の特定には、幾何学的情報と道路インフラを提供する局所的ダイナミックマップにレイキャスティングを用いる。結果として生じるリスク指標は、ドライバーの現在の行動を評価し、重大な状況でドライバーに警告し、安全に行動する方法や安全な軌道を計画する方法を提案するために使用される。
論文参考訳（メタデータ） (2023-03-13T16:01:55Z)
Architectural patterns for handling runtime uncertainty of data-driven models in safety-critical perception [1.7616042687330642]
不確実性推定に対処するためのアーキテクチャパターンを新たに提案する。安全性と性能向上に関して,4つのパターンを質的,定量的に評価した。筆者らは,運転状況の文脈情報を考慮することで,運転状況の固有のリスクに応じて,多かれ少なかれ不確実性を受け入れることができると結論付けた。
論文参考訳（メタデータ） (2022-06-14T13:31:36Z)
Risk-Driven Design of Perception Systems [47.787943101699966]
システム全体の安全性を低下させるエラーを最小限に抑えるために,認識システムを設計することが重要である。完全積分閉ループシステムの性能に及ぼす知覚誤差の影響を考慮に入れた認識システム設計のためのリスク駆動型アプローチを開発する。本研究では,現実的な視界に基づく航空機による応用・回避技術の評価を行い,リスク駆動設計がベースラインシステム上での衝突リスクを37%低減することを示す。
論文参考訳（メタデータ） (2022-05-21T21:14:56Z)
On the Robustness of Quality Measures for GANs [136.18799984346248]
本研究は、インセプションスコア(IS)やFr'echet Inception Distance(FID)のような生成モデルの品質測定の堅牢性を評価する。このような測度は、加算画素摂動によっても操作可能であることを示す。
論文参考訳（メタデータ） (2022-01-31T06:43:09Z)
Residual Error: a New Performance Measure for Adversarial Robustness [85.0371352689919]
ディープラーニングの広く普及を制限する大きな課題は、敵の攻撃に対する脆弱さである。本研究は,ディープニューラルネットワークの対角強靭性を評価するための新しい性能尺度である残留誤差の概念を提示する。画像分類を用いた実験結果から,提案手法の有効性と有効性を示した。
論文参考訳（メタデータ） (2021-06-18T16:34:23Z)
Learning Uncertainty For Safety-Oriented Semantic Segmentation In Autonomous Driving [77.39239190539871]
自律運転における安全クリティカル画像セグメンテーションを実現するために、不確実性推定をどのように活用できるかを示す。相似性関数によって測定された不一致予測に基づく新しい不確実性尺度を導入する。本研究では,提案手法が競合手法よりも推論時間において計算集約性が低いことを示す。
論文参考訳（メタデータ） (2021-05-28T09:23:05Z)
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。