論文の概要: Connected Dependability Cage Approach for Safe Automated Driving
- arxiv url: http://arxiv.org/abs/2307.06258v1
- Date: Wed, 12 Jul 2023 15:55:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 17:45:54.832790
- Title: Connected Dependability Cage Approach for Safe Automated Driving
- Title(参考訳): 安全自動運転のための接続依存性ケージアプローチ
- Authors: Adina Aniculaesei, Iqra Aslam, Daniel Bamal, Felix Helsch, Andreas
Vorwald, Meng Zhang and Andreas Rausch
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.369782235753731
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated driving systems can be helpful in a wide range of societal
challenges, e.g., mobility-on-demand and transportation logistics for last-mile
delivery, by aiding the vehicle driver or taking over the responsibility for
the dynamic driving task partially or completely. Ensuring the safety of
automated driving systems is no trivial task, even more so for those systems of
SAE Level 3 or above. To achieve this, mechanisms are needed that can
continuously monitor the system's operating conditions, also denoted as the
system's operational design domain. This paper presents a safety concept for
automated driving systems which uses a combination of onboard runtime
monitoring via connected dependability cage and off-board runtime monitoring
via a remote command control center, to continuously monitor the system's ODD.
On one side, the connected dependability cage fulfills a double functionality:
(1) to monitor continuously the operational design domain of the automated
driving system, and (2) to transfer the responsibility in a smooth and safe
manner between the automated driving system and the off-board remote safety
driver, who is present in the remote command control center. On the other side,
the remote command control center enables the remote safety driver the
monitoring and takeover of the vehicle's control. We evaluate our safety
concept for automated driving systems in a lab environment and on a test field
track and report on results and lessons learned.
- Abstract(参考訳): 自動運転システムは、例えば、ラストマイル配送のためのモビリティ・オン・デマンドや輸送のロジスティクスなど、幅広い社会的な課題において、車両の運転を補助したり、ダイナミック運転タスクの責任を部分的にあるいは完全に引き継ぐことで役立つ。
自動走行システムの安全性を確保することは、SAEレベル3以上のシステムにとって、決して簡単な作業ではない。
これを実現するには、システムの動作条件を継続的に監視するメカニズムが必要である。
本稿では,自動走行システムの安全概念として,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,遠隔コマンド制御センタによるオフボードランタイム監視を組み合わせて,システムのODDを継続的に監視する。
一方、接続された信頼性ケージは、(1)自動運転システムの運転設計ドメインを連続的に監視し、(2)遠隔指令制御センターに存在する自動運転システムとオフボードの遠隔安全運転者との間で、円滑かつ安全な方法で責任を伝達する、という2つの機能を実現する。
一方、遠隔操作制御センターは、遠隔操作者が車両の制御の監視と乗っ取りを可能にする。
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。
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) - Traffic Flow Simulation for Autonomous Driving [5.39623346513589]
本稿では, セルラーオートマトンに基づく車両運動モデルと自転車インテリジェンス理論を適用し, 自律走行のシミュレーション環境を構築する。
自動運転車のアーキテクチャは一般的に認識システム、意思決定システム、制御システムに分けられる。
論文 参考訳(メタデータ) (2023-07-23T02:51:10Z) - Runtime Safety Assurance of Autonomous Vehicles used for Last-mile
Delivery in Urban Environments [0.10499611180329801]
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。
論文 参考訳(メタデータ) (2023-07-10T10:06:55Z) - 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) - Monitoring ROS2: from Requirements to Autonomous Robots [58.720142291102135]
本稿では,構造化自然言語で記述された要件から自律ロボットのランタイムモニタを生成するための形式的アプローチの概要について述べる。
当社のアプローチでは,Fletal Requirement Elicitation Tool (FRET) とランタイム検証フレームワークであるCopilotを,Ogma統合ツールを通じて統合しています。
論文 参考訳(メタデータ) (2022-09-28T12:19:13Z) - Synergistic Redundancy: Towards Verifiable Safety for Autonomous
Vehicles [10.277825331268179]
我々は、自律走行車(AV)のような複雑なサイバー物理システムのための安全アーキテクチャとして、シナジスティック冗長性(SR)を提案する。
SRは、システムのミッションと安全タスクを分離することで、特定の障害に対する検証可能な安全保証を提供する。
ミッション層との密接な調整により、システム内の安全クリティカルな障害を容易かつ早期に検出することができる。
論文 参考訳(メタデータ) (2022-09-04T23:52:03Z) - Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。
実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文 参考訳(メタデータ) (2022-07-05T16:33:20Z) - 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) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳(メタデータ) (2021-04-28T07:54:40Z) - 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) - Development of a Fuzzy-based Patrol Robot Using in Building Automation
System [1.5293427903448025]
本稿では,移動ロボットをパトロールとして使用する新しいセキュリティシステムを提案する。
ロボットはファジィベースのアルゴリズムを備えており、未知の環境で障害物を避けることができる。
実験結果から, ビルの監視・確保の目的に対して, システムが要求を満たすことがわかった。
論文 参考訳(メタデータ) (2020-05-13T07:05:02Z)
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。