論文の概要: Industry Practices for Challenging Autonomous Driving Systems with
Critical Scenarios
- arxiv url: http://arxiv.org/abs/2305.14146v1
- Date: Tue, 23 May 2023 15:13:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 07:41:24.991274
- Title: Industry Practices for Challenging Autonomous Driving Systems with
Critical Scenarios
- Title(参考訳): 臨界シナリオによる自動運転システム構築のための産業実践
- Authors: Qunying Song, Emelie Engstr\"om, Per Runeson
- Abstract要約: 安全と信頼性のために自律走行システムのテストは非常に複雑である。
重要なシナリオを特定するための方法やツールがいくつか提案されている。
アプローチの選択、実装、制限といった業界のプラクティスはよく理解されていません。
- 参考スコア(独自算出の注目度): 2.42477526148542
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Testing autonomous driving systems for safety and reliability is extremely
complex. A primary challenge is identifying the relevant test scenarios,
especially the critical ones that may expose hazards or risks of harm to
autonomous vehicles and other road users. There are several proposed methods
and tools for critical scenario identification, while the industry practices,
such as the selection, implementation, and limitations of the approaches, are
not well understood. In this study, we conducted 10 interviews with 13
interviewees from 7 companies in autonomous driving in Sweden. We used thematic
modeling to analyse and synthesize the interview data. We found there are
little joint efforts in the industry to explore different approaches and tools,
and every approach has its own limitations and weaknesses. To that end, we
recommend combining different approaches available, collaborating among
different stakeholders, and continuously learning the field of critical
scenario identification and testing. The contributions of our study are the
exploration and synthesis of the industry practices and related challenges for
critical scenario identification and testing, and the potential increase of the
industry relevance for future studies in related topics.
- Abstract(参考訳): 安全と信頼性のための自動運転システムのテストは非常に複雑である。
主な課題は、関連するテストシナリオを特定することだ。特に、自動運転車や他の道路利用者に危険や危害のリスクを及ぼす重要なシナリオだ。
重要なシナリオを識別するためのいくつかの方法やツールが提案されているが、その選択、実装、アプローチの制限といった業界プラクティスはよく分かっていない。
本研究では,スウェーデンにおける自動運転における7社13社のインタビューに対して,10回のインタビューを行った。
テーマモデリングを用いてインタビューデータを分析・合成した。
さまざまなアプローチやツールを探求するための共同開発はほとんどなく、あらゆるアプローチには独自の制限と弱点があることに気付きました。
そのために、利用可能なさまざまなアプローチを組み合わせて、異なるステークホルダーの間で協力し、重要なシナリオの特定とテストの分野を継続的に学ぶことを推奨します。
本研究の貢献は、重要なシナリオの特定とテストのための業界慣行と関連する課題の探索と合成、および関連するトピックにおける今後の研究への産業関連性の潜在的増加である。
関連論文リスト
- On STPA for Distributed Development of Safe Autonomous Driving: An Interview Study [0.7851536646859475]
System-Theoretic Process Analysis (STPA)は、防衛や航空宇宙といった安全関連分野に適用される新しい手法である。
STPAは、分散システム開発とマルチアトラクション設計レベルを備えた自動車システム工学において、完全には有効でない前提条件を前提としている。
これは継続的開発とデプロイメントにおける保守性の問題と見なすことができる。
論文 参考訳(メタデータ) (2024-03-14T15:56:02Z) - Social Interaction-Aware Dynamical Models and Decision Making for
Autonomous Vehicles [20.123965317836106]
IAAD(Interaction-Aware Autonomous Driving)は、急速に成長する研究分野である。
それは、人間の道路利用者と安全かつ効率的に対話できる自動運転車の開発に焦点を当てている。
これは、自動運転車が人間の道路利用者の行動を理解し予測できることを要求するため、困難な作業である。
論文 参考訳(メタデータ) (2023-10-29T03:43:50Z) - The Thousand Faces of Explainable AI Along the Machine Learning Life
Cycle: Industrial Reality and Current State of Research [37.69303106863453]
この知見は機械学習ライフサイクルにおけるXAIの役割と適用性に関する広範なインタビューに基づいている。
また,不透明なAIモデルの非専門家の解釈と理解を可能にするためには,さらなる努力が必要であることも確認した。
論文 参考訳(メタデータ) (2023-10-11T20:45:49Z) - Rethinking Integration of Prediction and Planning in Deep Learning-Based
Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。
我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文 参考訳(メタデータ) (2023-08-10T17:53:03Z) - Clustering-based Criticality Analysis for Testing of Automated Driving
Systems [0.18416014644193066]
本稿では,1つの論理シナリオから具体的なシナリオをクラスタリングすることで設定したシナリオを削減するという目標に焦点をあてる。
クラスタリング技術を利用することで、冗長で非関心なシナリオを識別および排除することが可能になり、典型的なシナリオセットとなる。
論文 参考訳(メタデータ) (2023-06-22T08:36:20Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳(メタデータ) (2023-06-06T10:18:36Z) - Finding Critical Scenarios for Automated Driving Systems: A Systematic
Literature Review [20.926088145784604]
本稿では,自律運転の文脈における系統的な文献レビューの結果について述べる。
本稿では,重要なシナリオ同定のための包括的分類法を提案する。
また、2017年から2020年までの86の論文を含む分類学に基づく最先端の研究の概要について概説する。
論文 参考訳(メタデータ) (2021-10-16T21:24:19Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳(メタデータ) (2021-04-29T09:54:54Z) - Generating and Characterizing Scenarios for Safety Testing of Autonomous
Vehicles [86.9067793493874]
最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。
次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。
事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
論文 参考訳(メタデータ) (2021-03-12T17:00:23Z) - Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。
実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
論文 参考訳(メタデータ) (2021-01-16T23:45:02Z) - Survey on the Analysis and Modeling of Visual Kinship: A Decade in the
Making [66.72253432908693]
親和性認識は多くの実践的応用において難しい問題である。
我々は、多くの人にその見解を刺激した公開リソースとデータ課題についてレビューする。
10周年記念には、さまざまなkinベースのタスクのためのデモコードが用意されている。
論文 参考訳(メタデータ) (2020-06-29T13:25:45Z)
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。