論文の概要: EpiTESTER: Testing Autonomous Vehicles with Epigenetic Algorithm and Attention Mechanism

• arxiv url: http://arxiv.org/abs/2312.00207v1
• Date: Thu, 30 Nov 2023 21:40:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 16:28:31.368570
• Title: EpiTESTER: Testing Autonomous Vehicles with Epigenetic Algorithm and Attention Mechanism
• Title（参考訳）: EpiTESTER: エピジェネティックアルゴリズムと注意機構による自動運転車のテスト
• Authors: Chengjie Lu, Shaukat Ali, and Tao Yue
• Abstract要約: 本稿では,重要なシナリオを効率的に見つけるための新しいテスト手法であるEpiTESTERを提案する。 EpiTESTERは、遺伝子サイレンシングをエピジェネティックなメカニズムとして採用し、特定の遺伝子の発現を防ぐために遺伝子発現を調節する。 本研究では,自動運転研究のためのオープンソースシミュレータであるCARLAと,エンドツーエンドのAVコントローラであるInterfuserの4つの初期環境を用いて,EpiTESTERを評価した。
• 参考スコア（独自算出の注目度）: 11.335210563298107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Testing autonomous vehicles (AVs) under various environmental scenarios that lead the vehicles to unsafe situations is known to be challenging. Given the infinite possible environmental scenarios, it is essential to find critical scenarios efficiently. To this end, we propose a novel testing method, named EpiTESTER, by taking inspiration from epigenetics, which enables species to adapt to sudden environmental changes. In particular, EpiTESTER adopts gene silencing as its epigenetic mechanism, which regulates gene expression to prevent the expression of a certain gene, and the probability of gene expression is dynamically computed as the environment changes. Given different data modalities (e.g., images, lidar point clouds) in the context of AV, EpiTESTER benefits from a multi-model fusion transformer to extract high-level feature representations from environmental factors and then calculates probabilities based on these features with the attention mechanism. To assess the cost-effectiveness of EpiTESTER, we compare it with a classical genetic algorithm (GA) (i.e., without any epigenetic mechanism implemented) and EpiTESTER with equal probability for each gene. We evaluate EpiTESTER with four initial environments from CARLA, an open-source simulator for autonomous driving research, and an end-to-end AV controller, Interfuser. Our results show that EpiTESTER achieved a promising performance in identifying critical scenarios compared to the baselines, showing that applying epigenetic mechanisms is a good option for solving practical problems.
• Abstract（参考訳）: 安全でない状況に車両を誘導する様々な環境シナリオ下で自動運転車(AV)をテストすることは困難であることが知られている。 無限の環境シナリオを考えると、重要なシナリオを効率的に見つけることが不可欠である。 この目的のために, 種が突然の環境変化に適応できるように, エピジェネティックスからインスピレーションを得て, EpiTESTER という新しい試験方法を提案する。 特にエピテスタは、特定の遺伝子の発現を阻害するために遺伝子発現を調節するエピジェネティックメカニズムとして遺伝子サイレンシングを採用し、環境が変化するにつれて遺伝子発現の確率を動的に計算する。 avの文脈で異なるデータモダリティ(画像、ライダー点雲など)が与えられると、エピテスタはマルチモデル核融合トランスフォーマから環境因子から高レベルな特徴表現を抽出し、それらの特徴に基づく確率を注意メカニズムで計算する。 EpiTESTERの費用対効果を評価するため、古典的遺伝的アルゴリズム(GA)とEpiTESTERを各遺伝子に等しい確率で比較した。 本研究では,自動運転研究のためのオープンソースシミュレータであるCARLAと,エンドツーエンドのAVコントローラであるInterfuserの4つの初期環境を用いて,EpiTESTERを評価した。 以上の結果から,EpiTESTERは決定的シナリオの同定において,ベースラインと比較して有望な性能を達成し,エピジェネティックなメカニズムを適用することが現実的な問題を解決するための良い選択肢であることが示唆された。

関連論文リスト

• BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
  そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。 BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。 6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
  論文  参考訳（メタデータ） (2024-05-27T19:57:17Z)
• Identifying the Attractors of Gene Regulatory Networks from Expression Data under Uncertainty: An Interpretable Approach [0.0]
  実際の遺伝子制御ネットワークの時間的遺伝子発現プロファイルを考慮すれば、アトラクタはどのように堅牢に識別できるのか? 本稿では,Zadeh Computing with Wordsに基づく新しいアプローチを用いて,この問題に対処する。 提案手法は、ファジィ論理と言語的記述の両方の観点から、時間的遺伝子発現データからアトラクタを効果的に識別することができる。
  論文  参考訳（メタデータ） (2024-03-16T20:56:22Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• DiscoBAX: Discovery of Optimal Intervention Sets in Genomic Experiment Design [61.48963555382729]
  本研究では,実験1回あたりの有意な発見率を最大化するためのサンプル効率向上手法としてDiscoBAXを提案する。 我々は、標準仮定の下で近似最適性の理論的保証を提供し、包括的な実験評価を行う。
  論文  参考訳（メタデータ） (2023-12-07T06:05:39Z)
• Genetic heterogeneity analysis using genetic algorithm and network science [2.6166087473624318]
  ゲノムワイド・アソシエーション(GWAS)は、疾患に感受性のある遺伝的変数を同定することができる。 遺伝的効果に絡み合った遺伝的変数は、しばしば低い効果サイズを示す。 本稿では,FCSNet(Feature Co-Selection Network)という,GWASのための新しい特徴選択機構を提案する。
  論文  参考訳（メタデータ） (2023-08-12T01:28:26Z)
• BehAVExplor: Behavior Diversity Guided Testing for Autonomous Driving Systems [27.223488110349567]
  自律運転システム(ADS)のテストは、信頼性と安全性を確保するための重要なタスクである。 既存の手法は主に安全違反の検索に重点を置いており、生成したテストケースの多様性は無視されている。 本研究では,エゴ車両の挙動を探索し,多様な違反を検出するために,行動誘導型ファジリング技術(BehAVExplor)を提案する。
  論文  参考訳（メタデータ） (2023-07-14T17:24:39Z)
• Epigenetics Algorithms: Self-Reinforcement-Attention mechanism to regulate chromosomes expression [0.0]
  本稿ではメチル化として知られるエピジェネティックス現象を模倣する新しいエピジェネティックスアルゴリズムを提案する。 エピジェネティックスアルゴリズムの斬新さは、主に注意機構と深層学習を利用しており、遺伝子/サイレンシングの概念とよく適合している。
  論文  参考訳（メタデータ） (2023-03-15T21:33:21Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Deep neural networks with controlled variable selection for the identification of putative causal genetic variants [0.43012765978447565]
  本稿では,遺伝的研究のための可変選択を制御した,アンサンブルを用いた解釈可能なニューラルネットワークモデルを提案する。 本手法の利点は,(1)遺伝的変異の非線形効果を柔軟にモデル化し,統計力を向上させること,(2)誤発見率を厳格に制御するために入力層内の複数のノックオフ,(3)重みパラメータやアクティベーションの数を大幅に減らし,計算効率を向上させること,を含む。
  論文  参考訳（メタデータ） (2021-09-29T20:57:48Z)
• Robust Reconfigurable Intelligent Surfaces via Invariant Risk and Causal Representations [55.50218493466906]
  本稿では,データ分布の変化に伴うロバスト再構成可能なインテリジェントサーフェス(ris)システム設計の問題について検討する。 不変リスク最小化(IRM)の概念を用いて、複数の環境にまたがる不変因果表現を用いて、予測器が各環境に対して同時に最適となるようにする。 予測器を探すためにニューラルネットワークベースのソリューションを採用し、その性能は経験的リスク最小化に基づく設計に対するシミュレーションによって検証される。
  論文  参考訳（メタデータ） (2021-05-04T21:36:31Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)

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。