論文の概要: A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness
- arxiv url: http://arxiv.org/abs/2308.01050v3
- Date: Fri, 18 Aug 2023 05:47:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 22:23:29.265211
- Title: A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness
- Title(参考訳): 自動運転車の危険度評価における反事実的安全マージンの視点
- Authors: Alessandro Zanardi, Andrea Censi, Margherita Atzei, Luigi Di Lillo,
Emilio Frazzoli
- Abstract要約: 我々は,衝突につながる可能性のある正常な行動から最小限の偏差を示す,反事実的安全マージンの概念を導入する。
AVの行動方針が不明な場合でも,提案手法が適用可能であることを示す。
この研究は、この新興技術を取り巻く立法・保険問題に対処するためのAVの安全性評価と支援に貢献する。
- 参考スコア(独自算出の注目度): 52.27309191283943
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Autonomous Vehicles (AVs) have the potential to provide numerous societal
benefits, such as decreased road accidents and increased overall transportation
efficiency. However, quantifying the risk associated with AVs is challenging
due to the lack of historical data and the rapidly evolving technology. This
paper presents a data-driven framework for comparing the risk of different AVs'
behaviors in various operational design domains (ODDs), based on counterfactual
simulations of "misbehaving" road users. We introduce the concept of
counterfactual safety margin, which represents the minimum deviation from
normal behavior that could lead to a collision. This concept helps to find the
most critical scenarios but also to assess the frequency and severity of risk
of AVs. We show that the proposed methodology is applicable even when the AV's
behavioral policy is unknown -- through worst- and best-case analyses -- making
the method useful also to external third-party risk assessors. Our experimental
results demonstrate the correlation between the safety margin, the driving
policy quality, and the ODD shedding light on the relative risk associated with
different AV providers. This work contributes to AV safety assessment and aids
in addressing legislative and insurance concerns surrounding this emerging
technology.
- Abstract(参考訳): 自動運転車(AV)は、道路事故の減少や全体の輸送効率の向上など、多くの社会的利益をもたらす可能性がある。
しかし、歴史データの欠如と急速に進化する技術のために、AVに関連するリスクの定量化は困難である。
本稿では,道路利用者の非現実的シミュレーションに基づいて,様々な運用設計ドメイン(odd)における異なるavs行動のリスクを比較するためのデータ駆動フレームワークを提案する。
本稿では,衝突につながる可能性のある通常の行動から最小限の偏差を示す,対物的安全マージンの概念を紹介する。
この概念は、最も重要なシナリオを見つけるだけでなく、avのリスクの頻度と深刻度を評価するのに役立つ。
提案手法は,AVの行動方針が不明な場合においても,最悪の場合や最良事例の分析を通じて適用可能であることを示し,外部の第三者のリスク評価にも有用であることを示す。
実験の結果, 安全マージン, 運転方針品質およびODDシーディングの相関が, 異なるAVプロバイダの相対リスクに与える影響を示唆した。
この研究は、この新興技術を取り巻く立法・保険問題に対処するためのAVの安全性評価と支援に貢献する。
関連論文リスト
- Mitigating Vulnerable Road Users Occlusion Risk Via Collective Perception: An Empirical Analysis [0.0]
本稿では,車とVRUの両方のダイナミクスに基づいて,閉塞リスクを定量化するアルゴリズムを提案する。
本研究は,VRUの安全性における集団知覚サービス(CPS)の役割について検討する。
論文 参考訳(メタデータ) (2024-04-11T13:54:15Z) - A novel framework for adaptive stress testing of autonomous vehicles in
highways [3.2112502548606825]
高速道路交通のシナリオにおいて,安全上の懸念を生じさせるようなコーナーケースを探索する新しい枠組みを提案する。
衝突確率推定に基づいて衝突シナリオを識別する際のASTを導出するDRLの新しい報奨関数を開発した。
提案するフレームワークは,より現実的なトラフィックシナリオの作成を可能にする,新たな駆動モデルとさらに統合されている。
論文 参考訳(メタデータ) (2024-02-19T04:02:40Z) - The Art of Defending: A Systematic Evaluation and Analysis of LLM
Defense Strategies on Safety and Over-Defensiveness [56.174255970895466]
大規模言語モデル(LLM)は、自然言語処理アプリケーションにおいて、ますます重要な役割を担っている。
本稿では,SODE(Safety and Over-Defensiveness Evaluation)ベンチマークを提案する。
論文 参考訳(メタデータ) (2023-12-30T17:37:06Z) - Safeguarded Progress in Reinforcement Learning: Safe Bayesian
Exploration for Control Policy Synthesis [63.532413807686524]
本稿では、強化学習(RL)におけるトレーニング中の安全維持の問題に対処する。
探索中の効率的な進捗と安全性のトレードオフを扱う新しいアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-12-18T16:09:43Z) - CAT: Closed-loop Adversarial Training for Safe End-to-End Driving [54.60865656161679]
Adversarial Training (CAT) は、自動運転車における安全なエンドツーエンド運転のためのフレームワークである。
Catは、安全クリティカルなシナリオでエージェントを訓練することで、運転エージェントの安全性を継続的に改善することを目的としている。
猫は、訓練中のエージェントに対抗する敵シナリオを効果的に生成できる。
論文 参考訳(メタデータ) (2023-10-19T02:49:31Z) - Autonomous and Human-Driven Vehicles Interacting in a Roundabout: A
Quantitative and Qualitative Evaluation [34.67306374722473]
我々は,イタリア・ミラノのラウンドアバウンドにおいて,交通渋滞を最小限に抑え,汚染を最小限に抑える政策を学ぶ。
最先端のコックピットを用いて学習方針を定性的に評価し,実世界に近い環境下での性能を評価する。
以上の結果から,ヒト駆動車両はAVの動態を最適化することの利点が示唆された。
論文 参考訳(メタデータ) (2023-09-15T09:02:16Z) - Safety Margins for Reinforcement Learning [74.13100479426424]
安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。
Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
論文 参考訳(メタデータ) (2023-07-25T16:49:54Z) - Evaluating Model-free Reinforcement Learning toward Safety-critical
Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。
安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。
この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文 参考訳(メタデータ) (2022-12-12T06:30:17Z) - Watch Out for the Safety-Threatening Actors: Proactively Mitigating
Safety Hazards [5.898210877584262]
本稿では,AVの安全性に影響を及ぼす道路上の各アクターの重要性を推定するために,反実的推論を用いた安全脅威指標(STI)を提案する。
提案手法は, 希少な危険シナリオにおける最先端のAVエージェントの事故発生率を70%以上削減する。
論文 参考訳(メタデータ) (2022-06-02T05:56:25Z) - Analyzing vehicle pedestrian interactions combining data cube structure
and predictive collision risk estimation model [5.73658856166614]
本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。
本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
論文 参考訳(メタデータ) (2021-07-26T23:00:56Z)
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。