論文の概要: Beyond Levels of Driving Automation: A Triadic Framework of Human-AI Collaboration in On-Road Mobility
- arxiv url: http://arxiv.org/abs/2504.19120v1
- Date: Sun, 27 Apr 2025 06:26:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.141757
- Title: Beyond Levels of Driving Automation: A Triadic Framework of Human-AI Collaboration in On-Road Mobility
- Title（参考訳）: 運転自動化のレベルを超えて - オンロードモビリティにおける人間とAIのコラボレーションのトライadic Framework
- Authors: Gaojian Huang, Yantong Jin, Wei-Hsiang Lo,
- Abstract要約: この研究の目的は、自動走行車ドメインのための3進的人間-AIコラボレーションフレームワークを導入することである。
この研究は、自動走行車における適応的でロールベースの人間とAIの協調戦略を開発するための基礎を築いた。
- 参考スコア（独自算出の注目度）: 0.5266869303483376
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The goal of the current study is to introduce a triadic human-AI collaboration framework for the automated vehicle domain. Previous classifications (e.g., SAE Levels of Automation) focus on defining automation levels based on who controls the vehicle. However, it remains unclear how human users and AI should collaborate in real-time, especially in dynamic driving contexts, where roles can shift frequently. To fill the gap, this study proposes a triadic human-AI collaboration framework with three AI roles (i.e., Advisor, Co-Pilot, and Guardian) that dynamically adapt to human needs. Overall, the study lays a foundation for developing adaptive, role-based human-AI collaboration strategies in automated vehicles.
- Abstract（参考訳）: 本研究の目的は、自動走行車ドメインのための3進的人間-AIコラボレーションフレームワークを導入することである。
以前の分類(SAE Levels of Automationなど)では、誰が車両を制御するかに基づいて、自動化レベルを定義することに重点を置いている。
しかし、人間のユーザーとAIがリアルタイムでどのように協力するかは、特にダイナミックな運転状況において、どのように頻繁に役割がシフトするかは不明だ。
このギャップを埋めるために、本研究では、人間のニーズに動的に適応する3つのAI役割(アドバイザ、コパイロット、ガーディアン)を持つ3進的人間-AIコラボレーションフレームワークを提案する。
全体として、この研究は、自動走行車における適応的でロールベースの人間とAIの協調戦略を開発するための基盤を築いている。
関連論文リスト
- Effective Automation to Support the Human Infrastructure in AI Red Teaming [5.463538170874778]
私たちは、AIリスクアセスメントを強化するために、人間の専門知識と自動化ツールを組み合わせるバランスのとれたアプローチを議論しています。
私たちは、労働者の熟練度、エージェンシー、コンテキスト認識に関する考慮を含む、自動化された赤いチーム編成のスケーリングにおける重要な課題を強調します。
論文 参考訳（メタデータ） (2025-03-28T03:36:15Z) - Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。
VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
論文 参考訳（メタデータ） (2024-10-02T02:20:42Z) - Towards Bidirectional Human-AI Alignment: A Systematic Review for Clarifications, Framework, and Future Directions [101.67121669727354]
近年のAIの進歩は、AIシステムを意図された目標、倫理的原則、個人とグループの価値に向けて導くことの重要性を強調している。
人間のAIアライメントの明確な定義とスコープの欠如は、このアライメントを達成するための研究領域間の共同作業を妨げる、大きな障害となる。
我々は、2019年から2024年1月までに400以上の論文を体系的にレビューし、HCI(Human-Computer Interaction)、自然言語処理(NLP)、機械学習(ML)といった複数の分野にまたがって紹介する。
論文 参考訳（メタデータ） (2024-06-13T16:03:25Z) - Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - Autonomous Vehicles: Evolution of Artificial Intelligence and Learning
Algorithms [0.0]
この研究は、長年にわたるAI/学習アルゴリズムの使用状況とタイプに関する統計的知見を提示する。
本論文では,トラックおよび自動車の精製アルゴリズムにおけるパラメータの役割について述べる。
結論は、さまざまなレベルの自律性を概説し、AIと学習アルゴリズムの微妙な使用を解明することだ。
論文 参考訳（メタデータ） (2024-02-27T17:07:18Z) - Analyze Drivers' Intervention Behavior During Autonomous Driving -- A
VR-incorporated Approach [2.7532019227694344]
この研究は、自動運転車の運転に関わる人間のドライバーの介入行動を理解することに光を当てている。
仮想リアリティ(VR)と交通マイクロシミュレーションを統合する実験環境が実装された。
介入の確率、事故率などのパフォーマンス指標が定義され、リスクレベルを定量化し比較するために使用される。
論文 参考訳（メタデータ） (2023-12-04T06:36:57Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Social Interaction-Aware Dynamical Models and Decision Making for
Autonomous Vehicles [20.123965317836106]
IAAD(Interaction-Aware Autonomous Driving)は、急速に成長する研究分野である。
それは、人間の道路利用者と安全かつ効率的に対話できる自動運転車の開発に焦点を当てている。
これは、自動運転車が人間の道路利用者の行動を理解し予測できることを要求するため、困難な作業である。
論文 参考訳（メタデータ） (2023-10-29T03:43:50Z) - Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset and Consensus-Based Models [76.32775745488073]
本研究では,非構造環境における動作計画の研究を目的とした,新しいデータセットとモデリングフレームワークを提案する。
コンセンサスに基づくモデリング手法により、データセットで観測された優先順位の出現を効果的に説明できることを実証する。
論文 参考訳（メタデータ） (2022-09-19T05:06:57Z) - Human-Centered AI for Data Science: A Systematic Approach [48.71756559152512]
HCAI(Human-Centered AI)は、さまざまなヒューマンタスクをサポートするAI技術の設計と実装を目的とした研究活動である。
データサイエンス(DS)に関する一連の研究プロジェクトを使ってHCAIにどのようにアプローチするかをケーススタディとして紹介する。
論文 参考訳（メタデータ） (2021-10-03T21:47:13Z) - A Survey on Autonomous Vehicle Control in the Era of Mixed-Autonomy:
From Physics-Based to AI-Guided Driving Policy Learning [7.881140597011731]
本稿では、人工知能(AI)から自律走行車(AV)制御のための輸送工学分野への潜在的に有用なモデルと方法論の紹介と概要を提供する。
我々は、AI誘導手法の最先端の応用について議論し、機会と障害を特定し、オープンな質問を提起し、AIが混合自律において役割を果たす可能性のあるビルディングブロックとエリアを提案する。
論文 参考訳（メタデータ） (2020-07-10T04:27:39Z) - Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。
提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
論文 参考訳（メタデータ） (2020-01-03T11:16:41Z)
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。