論文の概要: Characterization and Mitigation of Insufficiencies in Automated Driving Systems
- arxiv url: http://arxiv.org/abs/2404.09557v1
- Date: Mon, 15 Apr 2024 08:19:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 13:38:59.034811
- Title: Characterization and Mitigation of Insufficiencies in Automated Driving Systems
- Title（参考訳）: 自動走行システムにおける機能低下の特性と軽減
- Authors: Yuting Fu, Jochen Seemann, Caspar Hanselaar, Tim Beurskens, Andrei Terechko, Emilia Silvas, Maurice Heemels,
- Abstract要約: 自動運転(AD)システムは安全性、快適性、エネルギー効率を高める可能性がある。
ADSの商業展開と広く採用は、部分的には乗客の安全を損なうシステム機能不全(FI)が道路の危険状況を引き起こしているため、穏健である。
本研究の目的は、FI緩和を改善し、ADSの商業展開を高速化するために、汎用的なアーキテクチャ設計パターンを定式化することである。
- 参考スコア（独自算出の注目度）: 0.5842419815638352
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated Driving (AD) systems have the potential to increase safety, comfort and energy efficiency. Recently, major automotive companies have started testing and validating AD systems (ADS) on public roads. Nevertheless, the commercial deployment and wide adoption of ADS have been moderate, partially due to system functional insufficiencies (FI) that undermine passenger safety and lead to hazardous situations on the road. FIs are defined in ISO 21448 Safety Of The Intended Functionality (SOTIF). FIs are insufficiencies in sensors, actuators and algorithm implementations, including neural networks and probabilistic calculations. Examples of FIs in ADS include inaccurate ego-vehicle localization on the road, incorrect prediction of a cyclist maneuver, unreliable detection of a pedestrian, etc. The main goal of our study is to formulate a generic architectural design pattern, which is compatible with existing methods and ADS, to improve FI mitigation and enable faster commercial deployment of ADS. First, we studied the 2021 autonomous vehicles disengagement reports published by the California Department of Motor Vehicles (DMV). The data clearly show that disengagements are five times more often caused by FIs rather than by system faults. We then made a comprehensive list of insufficiencies and their characteristics by analyzing over 10 hours of publicly available road test videos. In particular, we identified insufficiency types in four major categories: world model, motion plan, traffic rule, and operational design domain. The insufficiency characterization helps making the SOTIF analyses of triggering conditions more systematic and comprehensive. Based on our FI characterization, simulation experiments and literature survey, we define a novel generic architectural design pattern Daruma to dynamically select the channel that is least likely to have a FI at the moment.
- Abstract（参考訳）: 自動運転(AD)システムは安全性、快適性、エネルギー効率を高める可能性がある。
近年,大手自動車会社が公道でのADシステム(ADS)の試験・検証を開始している。
それにもかかわらず、ADSの商業展開と広く採用は、部分的には乗客の安全を損なうシステム機能不全(FI)のために、道路上の危険な状況を引き起こしている。
FIはISO 21448 Safety Of The Intended Functionality (SOTIF)で定義されている。
FIは、ニューラルネットワークや確率計算を含むセンサー、アクチュエータ、アルゴリズムの実装において不十分である。
ADSにおけるFIの例としては、道路上の不正確なEgo-vehicleローカライゼーション、サイクリストの操縦の誤予測、歩行者の信頼性の低い検出などがある。
本研究の主な目的は、既存の手法やADSと互換性のある汎用アーキテクチャ設計パターンを定式化し、FI緩和を改善し、ADSの商業展開を高速化することである。
まず,カリフォルニア州自動車局(DMV)が公表した2021年の自動運転車の脱車報告を調査した。
このデータによると、解離はシステム障害の5倍の頻度で引き起こされる。
そして、公開道路テストビデオの10時間以上を分析して、不便さとその特徴の包括的リストを作成した。
特に, 世界モデル, 移動計画, 交通ルール, 運用設計ドメインの4つのカテゴリにおいて, 障害タイプを特定した。
不全の特徴は、SOTIFによるトリガー条件の分析をより体系的で包括的にするのに役立つ。
FIの特徴,シミュレーション実験,文献調査に基づいて,現時点ではFIの可能性が低いチャネルを動的に選択する,新しい汎用アーキテクチャ設計パターンであるDarumaを定義した。
関連論文リスト
- ROCAS: Root Cause Analysis of Autonomous Driving Accidents via Cyber-Physical Co-mutation [16.76106822218872]
既存のサイバー物理システム(CPS)の根本原因分析技術は主にドローン用に設計されている。
サイバー物理コミューテーションを特徴とする新しいADS根本原因分析フレームワークであるROCASを紹介する。
ADS事故の12カテゴリーについて検討し, ROCASの有効性と有効性を示した。
論文 参考訳（メタデータ） (2024-09-12T06:14:53Z) - PAFOT: A Position-Based Approach for Finding Optimal Tests of Autonomous Vehicles [4.243926243206826]
本稿では位置に基づくアプローチテストフレームワークであるPAFOTを提案する。
PAFOTは、自動走行システムの安全違反を明らかにするために、敵の運転シナリオを生成する。
PAFOTはADSをクラッシュさせる安全クリティカルなシナリオを効果的に生成し、短いシミュレーション時間で衝突を見つけることができることを示す実験である。
論文 参考訳（メタデータ） (2024-05-06T10:04:40Z) - ACAV: A Framework for Automatic Causality Analysis in Autonomous Vehicle
Accident Recordings [5.578446693797519]
近年の死者は、大規模な検査による安全性検証の重要性を強調している。
本稿では,AV事故記録の因果解析を行うための自動フレームワークACAVを提案する。
我々はアポロADSでACAVを評価し、110件の事故記録の93.64%で5種類の因果事象を特定できることを発見した。
論文 参考訳（メタデータ） (2024-01-13T12:41:05Z) - REDriver: Runtime Enforcement for Autonomous Vehicles [6.97499033700151]
本稿では,自律運転システムの実行時適用に対する汎用的かつモジュール的なアプローチであるREDriverを提案する。
ReDriverは、STLの定量的セマンティクスに基づいて、ADSの計画された軌道を監視する。
仕様に違反する可能性がある場合に、勾配駆動のアルゴリズムを使って軌道を修復する。
論文 参考訳（メタデータ） (2024-01-04T13:08:38Z) - LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。
本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
論文 参考訳（メタデータ） (2023-11-02T07:23:33Z) - DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。
運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。
我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文 参考訳（メタデータ） (2023-10-03T10:10:42Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Interpretable Self-Aware Neural Networks for Robust Trajectory
Prediction [50.79827516897913]
本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。
実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2022-11-16T06:28:20Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z) - Modeling Perception Errors towards Robust Decision Making in Autonomous
Vehicles [11.503090828741191]
意思決定サブシステムが堅牢で安全な判断を下すのに十分な認識サブシステムは十分か?
自律システムの挙動に異なる種類の知覚・知覚誤差が与える影響を解析する方法を示す。
論文 参考訳（メタデータ） (2020-01-31T08:02:14Z)
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。