Fugu-MT 論文翻訳(概要): Safety of the Intended Functionality Concept Integration into a Validation Tool Suite

論文の概要: Safety of the Intended Functionality Concept Integration into a Validation Tool Suite

arxiv url: http://arxiv.org/abs/2308.16670v1
Date: Thu, 31 Aug 2023 12:22:35 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 11:43:04.942843
Title: Safety of the Intended Functionality Concept Integration into a Validation Tool Suite
Title（参考訳）: 検証ツールスイートへの意図された機能概念統合の安全性
Authors: V\'ictor J. Exp\'osito Jim\'enez, Bernhard Winkler, Joaquim M. Castella Triginer, Heiko Scharke, Hannes Schneider, Eugen Brenner, Georg Macher
Abstract要約: この研究は、既存のバリデーションツールスイートにおけるSOTIFプロセスの統合を実現する方法を示している。必要な適応は、アプローチの理解を助けるために付随する例で説明される。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nowadays, the increasing complexity of Advanced Driver Assistance Systems (ADAS) and Automated Driving (AD) means that the industry must move towards a scenario-based approach to validation rather than relying on established technology-based methods. This new focus also requires the validation process to take into account Safety of the Intended Functionality (SOTIF), as many scenarios may trigger hazardous vehicle behaviour. Thus, this work demonstrates how the integration of the SOTIF process within an existing validation tool suite can be achieved. The necessary adaptations are explained with accompanying examples to aid comprehension of the approach.
Abstract（参考訳）: 現在、Advanced Driver Assistance Systems(ADAS)とAutomated Driving(AD)の複雑さが増大しているため、業界は確立した技術ベースの手法に頼るのではなく、シナリオベースの検証アプローチに移行する必要がある。この新たな焦点は、多くのシナリオが有害な車両行動を引き起こす可能性があるため、Intended Functionality (SOTIF)の安全性を考慮した検証プロセスも必要である。このようにして、既存の検証ツールスイートにおけるSOTIFプロセスの統合を実現する方法を示す。必要な適応は、アプローチの理解を助けるために付随する例で説明される。

関連論文リスト

Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices [55.319842359034546]
既存のアプローチは、これらのデバイスを実際にデプロイする際の複雑さに対処するのに不足することが多い。提示されたフレームワークは、デプロイメント中に検証と微調整を繰り返すことの重要性を強調している。現在の米国とEUの規制分野に位置づけられている。
論文参考訳（メタデータ） (2024-09-07T11:13:52Z)
Testing learning-enabled cyber-physical systems with Large-Language Models: A Formal Approach [32.15663640443728]
機械学習(ML)をサイバー物理システム(CPS)に統合することは大きな利益をもたらす。既存の検証と検証技術は、しばしばこれらの新しいパラダイムには不十分である。本稿では, 基礎確率テストからより厳密なアプローチへ移行し, 正式な保証を実現するためのロードマップを提案する。
論文参考訳（メタデータ） (2023-11-13T14:56:14Z)
Simulation-based Safety Assurance for an AVP System incorporating Learning-Enabled Components [0.6526824510982802]
テスト、検証、検証 AD/ADASセーフティクリティカルなアプリケーションが大きな課題のひとつとして残っています。安全クリティカルな学習可能システムの検証と検証を目的としたシミュレーションベースの開発プラットフォームについて説明する。
論文参考訳（メタデータ） (2023-09-28T09:00:31Z)
Leveraging Traceability to Integrate Safety Analysis Artifacts into the Software Development Process [51.42800587382228]
安全保証ケース(SAC)は、システムの進化中に維持することが困難である。本稿では,ソフトウェアトレーサビリティを活用して,関連するシステムアーチファクトを安全解析モデルに接続する手法を提案する。安全ステークホルダーがシステム変更が安全性に与える影響を分析するのに役立つように、システム変更の合理性を設計する。
論文参考訳（メタデータ） (2023-07-14T16:03:27Z)
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)
Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
論文参考訳（メタデータ） (2022-08-23T05:02:09Z)
Joint Differentiable Optimization and Verification for Certified Reinforcement Learning [91.93635157885055]
安全クリティカル制御システムのためのモデルベース強化学習では,システム特性を正式に認定することが重要である。本稿では,強化学習と形式検証を共同で行う枠組みを提案する。
論文参考訳（メタデータ） (2022-01-28T16:53:56Z)
SMT-Based Safety Verification of Data-Aware Processes under Ontologies (Extended Version) [71.12474112166767]
我々は、このスペクトルで最も調査されたモデルの1つ、すなわち単純なアーティファクトシステム(SAS)の変種を紹介する。このDLは適切なモデル理論特性を享受し、後方到達性を適用可能なSASを定義することができ、対応する安全問題のPSPACEにおける決定可能性をもたらす。
論文参考訳（メタデータ） (2021-08-27T15:04:11Z)
Safety of the Intended Driving Behavior Using Rulebooks [0.5898893619901381]
ISO/PAS 21448ガイダンスは、道路車両の意図された機能(SOTIF)の安全を確保するためのプロセスを推奨します。経路計画機能では、すべての潜在的な運転状況において、各車両の正しい制御アクションを定義することは困難です。本稿では,ルールブックがAV内の経路計画タスクの機能的記述を提供し,本手法の検証と検証の可能性について論じる。
論文参考訳（メタデータ） (2021-05-10T16:11:15Z)
An Abstraction-based Method to Verify Multi-Agent Deep Reinforcement-Learning Behaviours [8.95294551927446]
マルチエージェント強化学習(RL)はしばしば、学習エージェントの安全な行動を保証するために苦労する。本稿では,形式検証と(深度)RLアルゴリズムを組み合わせることで,形式化された安全制約の満足度を保証する手法を提案する。
論文参考訳（メタデータ） (2021-02-02T11:12:30Z)
A Survey of Algorithms for Black-Box Safety Validation of Cyber-Physical Systems [30.638615396429536]
安全クリティカルな人工知能の普及により、この研究は、CPSの最先端の安全検証技術の調査を提供する。本稿では,最適化,経路計画,強化学習,重要サンプリングの分野におけるアルゴリズムについて論じる。自動運転車や航空機衝突回避システムなど、安全クリティカルな応用の概要を概説する。
論文参考訳（メタデータ） (2020-05-06T17:31:51Z)

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。