論文の概要: Towards a Completeness Argumentation for Scenario Concepts

• arxiv url: http://arxiv.org/abs/2404.01934v1
• Date: Tue, 2 Apr 2024 13:29:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 16:19:00.894962
• Title: Towards a Completeness Argumentation for Scenario Concepts
• Title（参考訳）: シナリオ概念の完全性論に向けて
• Authors: Christoph Glasmacher, Hendrik Weber, Lutz Eckstein,
• Abstract要約: 本稿では,目標構造表記を用いたシナリオ概念の完全性について論じる。 シナリオの概念とinDデータセットにメソッドを適用して、ユーザビリティを証明する。
• 参考スコア（独自算出の注目度）: 0.2184775414778289
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Scenario-based testing has become a promising approach to overcome the complexity of real-world traffic for safety assurance of automated vehicles. Within scenario-based testing, a system under test is confronted with a set of predefined scenarios. This set shall ensure more efficient testing of an automated vehicle operating in an open context compared to real-world testing. However, the question arises if a scenario catalog can cover the open context sufficiently to allow an argumentation for sufficiently safe driving functions and how this can be proven. Within this paper, a methodology is proposed to argue a sufficient completeness of a scenario concept using a goal structured notation. Thereby, the distinction between completeness and coverage is discussed. For both, methods are proposed for a streamlined argumentation and regarding evidence. These methods are applied to a scenario concept and the inD dataset to prove the usability.
• Abstract（参考訳）: シナリオベースのテストは、自動運転車の安全性を保証するために、現実の交通の複雑さを克服するための有望なアプローチとなっている。 シナリオベースのテストでは、テスト対象のシステムは、事前に定義されたシナリオのセットに直面します。 このセットは、実際のテストと比較して、オープンコンテキストで動作する自動車両のより効率的なテストを保証する。 しかし、シナリオカタログが十分に安全な運転関数の議論を可能にするのに十分なオープンコンテキストをカバーできるかどうか、どのように証明できるかが問題となる。 本稿では,目標構造表記を用いたシナリオ概念の完全性について論じる手法を提案する。 これにより、完全性とカバレッジの区別が議論される。 どちらも、合理化された議論と証拠に関する手法が提案されている。 これらの手法はシナリオの概念とinDデータセットに適用され、ユーザビリティが証明される。

関連論文リスト

• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Controllable Adversaries [94.84458417662407]
  本稿では,新しい拡散制御型クローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 我々は,認知過程における敵対的項を通して,安全クリティカルなシナリオをシミュレートする新しい手法を開発した。 我々はNuScenesデータセットを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• ASSERT: Automated Safety Scenario Red Teaming for Evaluating the Robustness of Large Language Models [65.79770974145983]
  ASSERT、Automated Safety Scenario Red Teamingは、セマンティックなアグリゲーション、ターゲットブートストラップ、敵の知識注入という3つの方法で構成されている。 このプロンプトを4つの安全領域に分割し、ドメインがモデルの性能にどのように影響するかを詳細に分析する。 統計的に有意な性能差は, 意味的関連シナリオにおける絶対分類精度が最大11%, ゼロショット逆数設定では最大19%の絶対誤差率であることがわかった。
  論文  参考訳（メタデータ） (2023-10-14T17:10:28Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• SOTIF-Compliant Scenario Generation Using Semi-Concrete Scenarios and Parameter Sampling [6.195203785530687]
  SOTIF標準は、高度な運転支援システムと自動運転システムを検証するためにシナリオベースのテストを必要とする。 既存のシナリオ生成アプローチは、シナリオ空間の探索または活用に重点を置いている。 本稿では,SOTIF準拠のテストスイートを生成するための半一致シナリオとパラメータサンプリングを提案する。
  論文  参考訳（メタデータ） (2023-08-14T09:25:24Z)
• Acquire Driving Scenarios Efficiently: A Framework for Prospective Assessment of Cost-Optimal Scenario Acquisition [0.1999925939110439]
  本稿では,シナリオ生成手法のコスト-最適利用の定量化手法を提案する。 到達可能な完全カバレッジ,品質基準,コストの予測を含むメタモデルに適合する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-21T15:26:08Z)
• Conservative Estimation of Perception Relevance of Dynamic Objects for Safe Trajectories in Automotive Scenarios [0.0]
  関連性の概念はいまだ十分に定義されておらず、特定されていない。 本稿では,ハイウェイ領域における衝突安全への模範的適用により,この課題を克服する新しい手法を提案する。 本稿では、動的対象が知覚に関連し、完全な評価のために考慮する必要がある、保守的な推定法を提案する。
  論文  参考訳（メタデータ） (2023-07-20T13:43:48Z)
• Tree-Based Scenario Classification: A Formal Framework for Coverage Analysis on Test Drives of Autonomous Vehicles [0.0]
  シナリオベースのテストでは、関連する(運転)シナリオがテストの基礎になります。 シナリオの集合を分類し、記録されたテストドライブにおけるこれらのシナリオのカバレッジを測定するというオープンな課題に対処する。
  論文  参考訳（メタデータ） (2023-07-11T08:30:57Z)
• Generating Useful Accident-Prone Driving Scenarios via a Learned Traffic Prior [135.78858513845233]
  STRIVEは、特定のプランナーが衝突のような望ましくない振る舞いを発生させるような、困難なシナリオを自動的に生成する手法である。 シナリオの妥当性を維持するために、キーとなるアイデアは、グラフベースの条件付きVAEという形で、学習した交通運動モデルを活用することである。 その後の最適化は、シナリオの"解決"を見つけるために使用され、与えられたプランナーを改善するのに有効である。
  論文  参考訳（メタデータ） (2021-12-09T18:03:27Z)
• ADC: Adversarial attacks against object Detection that evade Context consistency checks [55.8459119462263]
  文脈整合性チェックさえも、適切に構築された敵の例に対して脆弱であることを示す。 このような防御を覆す実例を生成するための適応型フレームワークを提案する。 我々の結果は、コンテキストを堅牢にモデル化し、一貫性をチェックする方法はまだ未解決の問題であることを示している。
  論文  参考訳（メタデータ） (2021-10-24T00:25:09Z)
• 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)
• Towards an Ontology for Scenario Definition for the Assessment of Automated Vehicles: An Object-Oriented Framework [0.0]
  シナリオの概念を包括的かつ運用的に定義する。 シナリオとビルディングブロックをオブジェクトのクラスとして定義するオブジェクト指向フレームワークを提案する。 それぞれの用語の定義と正当化を提供します。
  論文  参考訳（メタデータ） (2020-01-30T08:14:26Z)

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。