論文の概要: CATS: A framework for Cooperative Autonomy Trust & Security

• arxiv url: http://arxiv.org/abs/2503.00659v1
• Date: Sat, 01 Mar 2025 23:18:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:12:51.247753
• Title: CATS: A framework for Cooperative Autonomy Trust & Security
• Title（参考訳）: CATS:コラボレーティブ・オートノミー・トラスト・アンド・セキュリティのためのフレームワーク
• Authors: Namo Asavisanu, Tina Khezresmaeilzadeh, Rohan Sequeira, Hang Qiu, Fawad Ahmad, Konstantinos Psounis, Ramesh Govindan,
• Abstract要約: 本稿では、評価に基づく最も優れた特徴と過半数に基づく検出機構を融合した自動システムCATSを紹介する。 現実的な交通データを用いた都市規模シミュレーションによる評価は、誤動作車両の迅速同定および分離におけるCATSの有効性を示している。
• 参考スコア（独自算出の注目度）: 8.093531393348469
• License:
• Abstract: With cooperative perception, autonomous vehicles can wirelessly share sensor data and representations to overcome sensor occlusions, improving situational awareness. Securing such data exchanges is crucial for connected autonomous vehicles. Existing, automated reputation-based approaches often suffer from a delay between detection and exclusion of misbehaving vehicles, while majority-based approaches have communication overheads that limits scalability. In this paper, we introduce CATS, a novel automated system that blends together the best traits of reputation-based and majority-based detection mechanisms to secure vehicle-to-everything (V2X) communications for cooperative perception, while preserving the privacy of cooperating vehicles. Our evaluation with city-scale simulations on realistic traffic data shows CATS's effectiveness in rapidly identifying and isolating misbehaving vehicles, with a low false negative rate and overheads, proving its suitability for real world deployments.
• Abstract（参考訳）: 協調的な認識によって、自動運転車はセンサデータと表現を無線で共有し、センサーの閉塞を克服し、状況認識を改善することができる。 このようなデータ交換の確保は、接続された自動運転車にとって不可欠である。 既存の自動評価ベースのアプローチは、誤動作車両の検出と排除の間の遅延に悩まされることが多いが、多数派ベースのアプローチにはスケーラビリティを制限する通信オーバーヘッドがある。 本稿では,コラボレーティブな車両のプライバシを維持しつつ,車間通信(V2X)の安全性を確保するために,評価に基づく最も優れた特徴と過半数に基づく検出機構を融合した新しい自動システムCATSを紹介する。 現実的な交通データに対する都市規模のシミュレーションによる評価は、誤動作車両の迅速同定と分離におけるCATSの有効性を示し、偽陰性率とオーバーヘッドが低く、現実の展開に適していることを示す。

関連論文リスト

• Anomaly Detection in Cooperative Vehicle Perception Systems under Imperfect Communication [4.575903181579272]
  協調認識に基づく異常検出フレームワーク(CPAD)を提案する。 CPADは堅牢なアーキテクチャであり、通信の中断下でも有効である。 実験の結果,本手法はAUCのF1スコアにおける標準異常分類法よりも優れていた。
  論文  参考訳（メタデータ） (2025-01-28T22:41:06Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• SmartCooper: Vehicular Collaborative Perception with Adaptive Fusion and Judger Mechanism [23.824400533836535]
  通信最適化と判断機構を組み込んだ適応型協調認識フレームワークであるSmartCooperを紹介する。 以上の結果から,非ジュッジャー方式に比べて通信コストが23.10%大幅に削減された。
  論文  参考訳（メタデータ） (2024-02-01T04:15:39Z)
• NLOS Dies Twice: Challenges and Solutions of V2X for Cooperative Perception [7.819255257787961]
  本稿では,高速なセンサフュージョンマッチング手順とモビリティハイトハイブリッドリレー決定手順のための抽象的認識行列マッチング手法を提案する。 提案手法の有効性を実証するため,自律走行,センサ融合,V2X通信全般を考慮した新しいシミュレーションフレームワークを設計した。
  論文  参考訳（メタデータ） (2023-07-13T08:33:02Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• Selective Communication for Cooperative Perception in End-to-End Autonomous Driving [8.680676599607123]
  協調認識のための新しい選択的コミュニケーションアルゴリズムを提案する。 提案アルゴリズムは, 従来研究されてきた安全クリティカル運転シナリオシミュレーションにおいて, ランダム選択法よりも高い成功率を示す。
  論文  参考訳（メタデータ） (2023-05-26T18:13:17Z)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)
• Cooperative Perception with Deep Reinforcement Learning for Connected Vehicles [7.7003495898919265]
  本研究では, 周辺物体の検出精度を高めるために, 深層強化学習を用いた協調認識方式を提案する。 本手法は、車両通信網におけるネットワーク負荷を軽減し、通信信頼性を高める。
  論文  参考訳（メタデータ） (2020-04-23T01:44:12Z)

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。