Fugu-MT 論文翻訳(概要): FTA generation using GenAI with an Autonomy sensor Usecase

論文の概要: FTA generation using GenAI with an Autonomy sensor Usecase

arxiv url: http://arxiv.org/abs/2411.15007v1
Date: Fri, 22 Nov 2024 15:31:20 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-25 15:04:02.003186
Title: FTA generation using GenAI with an Autonomy sensor Usecase
Title（参考訳）: 自律型センサを用いたGenAIを用いたFTA生成
Authors: Sneha Sudhir Shetiya, Divya Garikapati, Veeraja Sohoni,
Abstract要約: 本稿では,FTA(Fault Tree Analysis)を開発するために生成人工知能(GenAI)の利用範囲を探究する。さまざまな利用可能なオープンソースのLarge Language Models(LLM)モデルを探索し、その1つを深く掘り下げて、その応答を研究し、分析します。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Functional safety forms an important aspect in the design of systems. Its emphasis on the automotive industry has evolved significantly over the years. Till date many methods have been developed to get appropriate FTA(Fault Tree analysis) for various scenarios and features pertaining to Autonomous Driving. This paper is an attempt to explore the scope of using Generative Artificial Intelligence(GenAI) in order to develop Fault Tree Analysis(FTA) with the use case of malfunction for the Lidar sensor in mind. We explore various available open source Large Language Models(LLM) models and then dive deep into one of them to study its responses and provide our analysis. This paper successfully shows the possibility to train existing Large Language models through Prompt Engineering for fault tree analysis for any Autonomy usecase aided with PlantUML tool.
Abstract（参考訳）: 機能安全性はシステム設計において重要な側面を形成する。自動車産業への重点は、長年にわたって大きく進化してきた。自律運転に関する様々なシナリオや特徴に対して適切なFTA(Fault Tree Analysis)を得るための多くの手法が開発されている。本稿では,LIDARセンサの故障を考慮したFTA(Fault Tree Analysis)を開発するために,ジェネレーティブ・人工知能(GenAI)の利用範囲を探究する。さまざまな利用可能なオープンソースのLarge Language Models(LLM)モデルを探索し、その1つを深く掘り下げて、その応答を研究し、分析します。本稿では,PlantUMLツールで支援された任意のオートノミー・ユースケースに対するフォールトツリー解析のために,Prompt Engineeringを通じて既存のLarge Languageモデルをトレーニングする可能性を示す。

関連論文リスト

XAI-based Feature Ensemble for Enhanced Anomaly Detection in Autonomous Driving Systems [1.3022753212679383]
本稿では,複数の Explainable AI (XAI) メソッドを統合する新しい機能アンサンブルフレームワークを提案する。このフレームワークは、6つの多様なAIモデルにまたがって、これらのXAIメソッドによって識別されるトップ機能を融合することによって、異常の検出に不可欠な堅牢で包括的な機能のセットを生成する。我々の技術は、AIモデルの精度、堅牢性、透明性の向上を示し、より安全で信頼性の高い自動運転システムに貢献します。
論文参考訳（メタデータ） (2024-10-20T14:34:48Z)
Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
論文参考訳（メタデータ） (2024-07-09T04:56:11Z)
Generative AI Systems: A Systems-based Perspective on Generative AI [12.400966570867322]
大規模言語モデル(LLM)は、自然言語を用いた機械との通信を可能にすることで、AIシステムに革命をもたらした。ジェネレーティブAI(GenAI)の最近の進歩は、マルチモーダルシステムとしてLLMを使うことに大きな期待を示している。本稿では,ジェネレーティブAIシステムにおける新たな研究の方向性を探求し,述べることを目的とする。
論文参考訳（メタデータ） (2024-06-25T12:51:47Z)
AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文参考訳（メタデータ） (2024-03-26T04:27:56Z)
Hybrid Reasoning Based on Large Language Models for Autonomous Car Driving [14.64475022650084]
大規模言語モデル(LLM)は、テキストや画像を理解し、人間に似たテキストを生成し、複雑な推論タスクを実行する能力において、大きな注目を集めている。算術的推論と常識的推論の組み合わせ,特に自律運転シナリオにおけるLLMの適応性について検討する。
論文参考訳（メタデータ） (2024-02-21T08:09:05Z)
Forging Vision Foundation Models for Autonomous Driving: Challenges, Methodologies, and Opportunities [59.02391344178202]
ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
論文参考訳（メタデータ） (2024-01-16T01:57:24Z)
AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
AutoActはQAのための自動エージェント学習フレームワークである。大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
論文参考訳（メタデータ） (2024-01-10T16:57:24Z)
AI Content Self-Detection for Transformer-based Large Language Models [0.0]
本稿では、直接起点検出の概念を導入し、生成型AIシステムが出力を認識し、人文テキストと区別できるかどうかを評価する。 GoogleのBardモデルは、精度94%の自己検出の最大の能力を示し、OpenAIのChatGPTは83%である。
論文参考訳（メタデータ） (2023-12-28T10:08:57Z)
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)
ChatMOF: An Autonomous AI System for Predicting and Generating Metal-Organic Frameworks [0.0]
ChatMOFは、金属-有機フレームワーク(MOF)を予測および生成するために開発された自律人工知能(AI)システムである。大規模言語モデル(GPT-4とGPT-3.5-turbo)を活用することで、ChatMOFはテキスト入力から重要な詳細を抽出し、適切な応答を提供する。
論文参考訳（メタデータ） (2023-08-01T02:08:13Z)
AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
論文参考訳（メタデータ） (2023-05-04T02:09:43Z)

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。