Fugu-MT 論文翻訳(概要): Trust-Aware Resilient Control and Coordination of Connected and Automated Vehicles

論文の概要: Trust-Aware Resilient Control and Coordination of Connected and Automated Vehicles

arxiv url: http://arxiv.org/abs/2305.16818v2
Date: Sat, 3 Jun 2023 02:44:41 GMT
ステータス: 処理完了
システム内更新日: 2023-06-07 00:39:30.455129
Title: Trust-Aware Resilient Control and Coordination of Connected and Automated Vehicles
Title（参考訳）: 信頼対応型レジリエント制御と自動走行車の協調
Authors: H M Sabbir Ahmad, Ehsan Sabouni, Wei Xiao, Christos G. Cassandras, Wenchao Li
Abstract要約: 敵の攻撃は安全違反を引き起こし、衝突や交通渋滞を引き起こす。敵攻撃や非協力的CAVの影響を緩和する分散型レジリエンス制御・調整手法を提案する。
参考スコア（独自算出の注目度）: 11.97553028903872
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: We address the security of a network of Connected and Automated Vehicles (CAVs) cooperating to navigate through a conflict area. Adversarial attacks such as Sybil attacks can cause safety violations resulting in collisions and traffic jams. In addition, uncooperative (but not necessarily adversarial) CAVs can also induce similar adversarial effects on the traffic network. We propose a decentralized resilient control and coordination scheme that mitigates the effects of adversarial attacks and uncooperative CAVs by utilizing a trust framework. Our trust-aware scheme can guarantee safe collision free coordination and mitigate traffic jams. Simulation results validate the theoretical guarantee of our proposed scheme, and demonstrate that it can effectively mitigate adversarial effects across different traffic scenarios.
Abstract（参考訳）: 我々は,コンフリクトエリアをナビゲートするために協調する,コネクテッド・アンド・オートマチック・ビークル(cav)のネットワークのセキュリティについて論じる。シビル攻撃のような敵攻撃は、衝突や交通渋滞を引き起こす安全違反を引き起こす可能性がある。さらに、非協調的(しかし必ずしも敵対的ではない)CAVは、交通ネットワークに類似した敵効果を誘発する。本稿では,信頼枠組みを利用して,敵対的攻撃と非協力的CAVの効果を緩和する分散型レジリエンス制御・調整手法を提案する。信頼認識方式は衝突のない安全な協調を保証し、交通渋滞を軽減できる。シミュレーション結果は,提案手法の理論的保証を検証し,異なる交通シナリオにまたがる逆効果を効果的に軽減できることを実証する。

関連論文リスト

Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文参考訳（メタデータ） (2024-09-19T14:36:00Z)
CONClave -- Secure and Robust Cooperative Perception for CAVs Using Authenticated Consensus and Trust Scoring [0.9912132935716113]
ConClaveは、自動運転車における協調的な認識のための包括的なセキュリティと信頼性を提供する。 ConClaveは、セキュリティ欠陥の防止、比較的小さな検知障害の検出、CAVにおける協調認識の堅牢性と正確性の向上において、大きな可能性を秘めている。
論文参考訳（メタデータ） (2024-09-04T16:42:40Z)
Exploring the impact of traffic signal control and connected and automated vehicles on intersections safety: A deep reinforcement learning approach [2.681732331705502]
この研究は、DQN(Deep Q Network)を用いて、CAVとHuman Drive Vehicles(HDV)の交通信号と運転行動を制御する。これらの結果から,CAVとDQNを併用した交通信号制御による後方・横断競合の大幅な低減が示された。
論文参考訳（メタデータ） (2024-05-29T16:17:19Z)
Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。 CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
論文参考訳（メタデータ） (2024-05-18T12:45:00Z)
A Blockchain-Enabled Framework of UAV Coordination for Post-Disaster Networks [7.249638174814088]
本稿では、災害対応のためにUAV艦隊を安全に調整する堅牢なブロックチェーン対応フレームワークを提案する。セキュアでプライベートなマルチ緊急調整のためのコンソーシアムブロックチェーンと、効率性とフォールトトレランスのバランスをとる最適化されたコンセンサスプロトコルです。総合的なシミュレーションでは、ポストディザスターネットワークにおけるUAV調整のための透明性、自動化、スケーラビリティ、サイバー攻撃のレジリエンスを高めるフレームワークの能力を示している。
論文参考訳（メタデータ） (2024-02-23T14:01:27Z)
A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
論文参考訳（メタデータ） (2024-01-19T14:52:04Z)
Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文参考訳（メタデータ） (2023-07-05T21:38:36Z)
Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
論文参考訳（メタデータ） (2022-10-31T20:12:17Z)
Spatial-Temporal-Aware Safe Multi-Agent Reinforcement Learning of Connected Autonomous Vehicles in Challenging Scenarios [10.37986799561165]
通信技術はコネクテッド・自動運転車(CAV)間の協調を可能にする CAVのための並列安全シールドを備えた制約付きマルチエージェント強化学習(MARL)フレームワークを提案する。その結果,提案手法は難易度の高いシナリオにおいて,システムの安全性と効率を著しく向上させることがわかった。
論文参考訳（メタデータ） (2022-10-05T14:39:07Z)
A Self-supervised Approach for Adversarial Robustness [105.88250594033053]
敵対的な例は、ディープニューラルネットワーク(DNN)ベースの視覚システムにおいて破滅的な誤りを引き起こす可能性がある。本稿では,入力空間における自己教師型対向学習機構を提案する。これは、反逆攻撃に対する強力な堅牢性を提供する。
論文参考訳（メタデータ） (2020-06-08T20:42:39Z)
A Multi-Agent Reinforcement Learning Approach For Safe and Efficient Behavior Planning Of Connected Autonomous Vehicles [21.132777568170702]
我々は、コネクテッド・自動運転車のための情報共有型強化学習フレームワークを設計する。提案手法は, 平均速度と快適性の観点から, CAV システムの効率性を向上させることができることを示す。我々は,共用視覚が早期に障害物を観測し,交通渋滞を避けるために行動を起こすのに役立つことを示すために,障害物回避シナリオを構築した。
論文参考訳（メタデータ） (2020-03-09T19:15:30Z)

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。