論文の概要: My Precious Crash Data: Barriers and Opportunities in Encouraging Autonomous Driving Companies to Share Safety-Critical Data

• arxiv url: http://arxiv.org/abs/2504.17792v1
• Date: Thu, 10 Apr 2025 17:11:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 01:46:36.903058
• Title: My Precious Crash Data: Barriers and Opportunities in Encouraging Autonomous Driving Companies to Share Safety-Critical Data
• Title（参考訳）: 自動運転車企業が安全臨界データを共有するための障壁と機会
• Authors: Hauke Sandhaus, Angel Hsing-Chi Hwang, Wendy Ju, Qian Yang,
• Abstract要約: 事故や準クラッシュ記録のような安全に重要なデータは、自動運転車の設計と開発を改善するために不可欠である。 本稿は、AV企業が外部から安全クリティカルなデータを共有するのに消極的である理由を明らかにすることを目的としている。
• 参考スコア（独自算出の注目度）: 28.783964579562877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safety-critical data, such as crash and near-crash records, are crucial to improving autonomous vehicle (AV) design and development. Sharing such data across AV companies, academic researchers, regulators, and the public can help make all AVs safer. However, AV companies rarely share safety-critical data externally. This paper aims to pinpoint why AV companies are reluctant to share safety-critical data, with an eye on how these barriers can inform new approaches to promote sharing. We interviewed twelve AV company employees who actively work with such data in their day-to-day work. Findings suggest two key, previously unknown barriers to data sharing: (1) Datasets inherently embed salient knowledge that is key to improving AV safety and are resource-intensive. Therefore, data sharing, even within a company, is fraught with politics. (2) Interviewees believed AV safety knowledge is private knowledge that brings competitive edges to their companies, rather than public knowledge for social good. We discuss the implications of these findings for incentivizing and enabling safety-critical AV data sharing, specifically, implications for new approaches to (1) debating and stratifying public and private AV safety knowledge, (2) innovating data tools and data sharing pipelines that enable easier sharing of public AV safety data and knowledge; (3) offsetting costs of curating safety-critical data and incentivizing data sharing.
• Abstract（参考訳）: 事故や準クラッシュ記録のような安全に重要なデータは、自動運転車の設計と開発を改善するために不可欠である。 AV企業、学術研究者、規制当局、一般大衆にこうしたデータを共有すれば、すべてのAVがより安全になる。 しかし、AV企業は外部で安全クリティカルなデータを共有することはめったにない。 本稿は、AV企業が安全クリティカルなデータを共有することに消極的である理由を指摘し、これらの障壁が共有を促進する新しいアプローチにどのように影響するかを考察する。 当社は、日々の業務で積極的にデータを扱う12人のAV企業従業員にインタビューした。 1)データセットは本質的に、AVの安全性向上の鍵であり、リソース集約である、有能な知識を組み込みます。 そのため、企業内でさえ、データ共有は政治に苦しめられている。 2) AV の安全知識は,公的な社会的利益の知識ではなく,企業に競争優位をもたらす私的知識であると考えられた。 安全クリティカルなAVデータ共有のインセンティブと有効化,特に,(1)公衆および民間のAV安全知識の議論と成層化,(2)公衆のAV安全データと知識の共有を容易にするデータツールとデータ共有パイプラインの革新,(3)安全クリティカルなデータのキュレーションとデータ共有のインセンティブ化の相違といった,新たなアプローチの意義について論じる。

関連論文リスト

• Differentiated Security Architecture for Secure and Efficient Infotainment Data Communication in IoV Networks [55.340315838742015]
  IoVネットワークにおけるインフォテインメントデータ通信の安全性の欠如は、社会的エンジニアリング攻撃の容易なアクセスポイントを意図せずに開放することができる。 特に、まずIoVネットワークでデータ通信を分類し、各データ通信のセキュリティ焦点を調べ、その後、ファイル間通信でセキュリティ保護を提供するための異なるセキュリティアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2024-03-29T12:01:31Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Shared Information-Based Safe And Efficient Behavior Planning For Connected Autonomous Vehicles [6.896682830421197]
  我々は、連結自動運転車のための統合情報共有と安全なマルチエージェント強化学習フレームワークを設計する。 まず、重畳畳み込み畳み込みニューラルネットワーク(CNN)を用いて、生画像とポイントクラウドのLIDARデータを各自動運転車でローカルに処理する。 次に、車両の局部観測とV2V通信を介して受信した情報の両方を利用する安全なアクター批判アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2023-02-08T20:31:41Z)
• Privacy of Autonomous Vehicles: Risks, Protection Methods, and Future Directions [23.778855805039438]
  AVのプライバシーリスクと保護方法のための新しい分類法を提供する。 AVのプライバシーは、個人、人口、プロプライエタリの3つのレベルに分類されます。
  論文  参考訳（メタデータ） (2022-09-08T20:16:21Z)

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。