論文の概要: Runtime Safety Assurance of Autonomous Vehicles used for Last-mile
Delivery in Urban Environments
- arxiv url: http://arxiv.org/abs/2307.04454v1
- Date: Mon, 10 Jul 2023 10:06:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 17:53:00.676277
- Title: Runtime Safety Assurance of Autonomous Vehicles used for Last-mile
Delivery in Urban Environments
- Title(参考訳): 都市環境におけるラストマイル配送用自動運転車の走行安全保証
- Authors: Iqra Aslam, Adina Aniculaesei, Abhishek Buragohain, Daniel Bamal,
Prof. Dr. Andreas Rausch
- Abstract要約: LogiSmileプロジェクトは、混雑した地域での都市商品流通の課題に対する解決策を見つけることを目的としている。
Autonomous Hub Vehicle(AHV)は、Autonomous Delivery Device(ADD)と呼ばれる小型ロボットと連携して動作する。
AHVのために開発されたランタイムモニタリングのコンセプトは、2022年にハンブルクで実証された。
- 参考スコア(独自算出の注目度): 0.10499611180329801
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Last-mile delivery of goods has gained a lot of attraction during the
COVID-19 pandemic. However, current package delivery processes often lead to
parking in the second lane, which in turn has negative effects on the urban
environment in which the deliveries take place, i.e., traffic congestion and
safety issues for other road users. To tackle these challenges, an effective
autonomous delivery system is required that guarantees efficient, flexible and
safe delivery of goods. The project LogiSmile, co-funded by EIT Urban Mobility,
pilots an autonomous delivery vehicle dubbed the Autonomous Hub Vehicle (AHV)
that works in cooperation with a small autonomous robot called the Autonomous
Delivery Device (ADD). With the two cooperating robots, the project LogiSmile
aims to find a possible solution to the challenges of urban goods distribution
in congested areas and to demonstrate the future of urban mobility. As a member
of Nieders\"achsische Forschungszentrum f\"ur Fahrzeugtechnik (NFF), the
Institute for Software and Systems Engineering (ISSE) developed an integrated
software safety architecture for runtime monitoring of the AHV, with (1) a
dependability cage (DC) used for the on-board monitoring of the AHV, and (2) a
remote command control center (CCC) which enables the remote off-board
supervision of a fleet of AHVs. The DC supervises the vehicle continuously and
in case of any safety violation, it switches the nominal driving mode to
degraded driving mode or fail-safe mode. Additionally, the CCC also manages the
communication of the AHV with the ADD and provides fail-operational solutions
for the AHV when it cannot handle complex situations autonomously. The runtime
monitoring concept developed for the AHV has been demonstrated in 2022 in
Hamburg. We report on the obtained results and on the lessons learned.
- Abstract(参考訳): 新型コロナウイルス(covid-19)のパンデミックで商品のラストマイル配送が注目を集めている。
しかし、現在の荷物配送プロセスは第2レーンに駐車することが多いため、輸送が行われる都市環境、すなわち交通渋滞や他の道路利用者の安全問題に悪影響を及ぼす。
これらの課題に取り組むためには、効率的で柔軟で安全な商品の配送を保証する効果的な自律配送システムが必要である。
EIT Urban Mobilityが共同出資したプロジェクトLogiSmileは、Autonomous Hub Vehicle(AHV)と呼ばれる自動運転車を操縦し、Autonomous Delivery Device(ADD)と呼ばれる小さな自律ロボットと連携する。
この2つの協力するロボットにより、LogiSmileプロジェクトは、混雑した地域での都市商品流通の課題に対する解決策を見つけ、都市移動の未来を実証することを目指している。
Nieders\"achsische Forschungszentrum f\"ur Fahrzeugtechnik (NFF) のメンバーとして、ISSE(Institute for Software and Systems Engineering)は、AHVのランタイム監視のための統合されたソフトウェア安全アーキテクチャを開発し、(1)AHVのオンボード監視に使用される信頼性ケージ(DC)と(2)AHVのリモートオフボード監視を可能にするリモートコマンドコントロールセンタ(CCC)を開発した。
dcは車両を継続的に監視し、安全に違反した場合、名目上の駆動モードを劣化運転モードまたはフェールセーフモードに切り替える。
さらに、CCCはAHVとADDとの通信を管理し、複雑な状況を自律的に処理できない場合に、AHVのフェイルオペレーショナルソリューションを提供する。
AHVのために開発されたランタイム監視の概念は、2022年にハンブルクで実証された。
得られた結果と学んだ教訓について報告する。
関連論文リスト
- Classification of Safety Driver Attention During Autonomous Vehicle
Operation [11.33083039877258]
本稿では、車両オペレーターと車両認識システムに対向する赤外線カメラからのデータを統合したデュアルソースアプローチを提案する。
提案システムは,車両運転者の注意度基準を効果的に決定し,警告や自律機能低下などの介入を適切に行う。
論文 参考訳(メタデータ) (2023-10-17T22:04:42Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳(メタデータ) (2023-10-08T21:32:30Z) - Connected Dependability Cage Approach for Safe Automated Driving [2.369782235753731]
本稿では,自動走行システムにおける安全概念について述べる。
接続された信頼性ケージによるオンボードランタイム監視と、リモートコマンドコントロールセンタによるオフボードランタイム監視の組み合わせを使用する。
実験室環境および試験場における自動走行システムに対する安全概念を評価し,得られた結果と教訓について報告する。
論文 参考訳(メタデータ) (2023-07-12T15:55:48Z) - 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) - A Survey of Federated Learning for Connected and Automated Vehicles [2.348805691644086]
コネクテッド・アンド・オートマチック・ビークルズ(CAV)は、自動車分野における新興技術の1つである。
フェデレートラーニング(FL)は、複数の車両との協調モデル開発を可能にするCAVの効果的なソリューションである。
論文 参考訳(メタデータ) (2023-03-19T14:44:37Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳(メタデータ) (2022-06-28T17:08:31Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳(メタデータ) (2022-03-04T16:14:33Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳(メタデータ) (2021-07-19T12:54:04Z) - A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the
First CARLA Autonomous Driving Challenge [49.976633450740145]
本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。
我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
論文 参考訳(メタデータ) (2020-10-23T18:07:48Z) - A Survey and Insights on Deployments of the Connected and Autonomous
Vehicles in US [0.0]
CV/ITS (Connected Vehicle, Intelligent Transportation System) とAV/ADS (Autonomous Vehicle, Automated Driving System) は、人命を救うため、交通効率を向上し、何十年にもわたって環境を救おうとしている。
USDOTはCVのための国家DOTと、AVの新興企業やテクノロジー企業による市場主導のアプローチによる民間部門とをそれぞれリードしている。
CV/ITSの取り組みにより、5.9GHz帯を使ったV2X通信が97台、アフターマーケットV2X通信デバイスを搭載した18,877台、道路に設置されたインフラV2Xデバイス8,098台が配備されている。
論文 参考訳(メタデータ) (2020-08-10T19:35:51Z) - 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。
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。