論文の概要: Explaining Autonomous Vehicles with Intention-aware Policy Graphs

• arxiv url: http://arxiv.org/abs/2505.08404v1
• Date: Tue, 13 May 2025 09:58:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.516266
• Title: Explaining Autonomous Vehicles with Intention-aware Policy Graphs
• Title（参考訳）: 意図認識型ポリシーグラフによる自動運転車の解説
• Authors: Sara Montese, Victor Gimenez-Abalos, Atia Cortés, Ulises Cortés, Sergio Alvarez-Napagao,
• Abstract要約: 本稿では,都市環境における自動運転車の挙動を遠隔操作で説明するためのモデルに依存しないソリューションを提案する。 Intention-Aware Policy Graphsをベースとした本手法は,車両動作の解釈可能な信頼性説明の抽出を可能にする。 これらの説明は、車両が許容される法的境界内で動作しているかどうかを判断し、自律走行データセットやモデルにおける潜在的な脆弱性を特定するために有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.1398098625978622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The potential to improve road safety, reduce human driving error, and promote environmental sustainability have enabled the field of autonomous driving to progress rapidly over recent decades. The performance of autonomous vehicles has significantly improved thanks to advancements in Artificial Intelligence, particularly Deep Learning. Nevertheless, the opacity of their decision-making, rooted in the use of accurate yet complex AI models, has created barriers to their societal trust and regulatory acceptance, raising the need for explainability. We propose a post-hoc, model-agnostic solution to provide teleological explanations for the behaviour of an autonomous vehicle in urban environments. Building on Intention-aware Policy Graphs, our approach enables the extraction of interpretable and reliable explanations of vehicle behaviour in the nuScenes dataset from global and local perspectives. We demonstrate the potential of these explanations to assess whether the vehicle operates within acceptable legal boundaries and to identify possible vulnerabilities in autonomous driving datasets and models.
• Abstract（参考訳）: 道路安全の向上、人間の運転ミスの低減、環境の持続可能性向上などにより、近年の自動運転の分野は急速に進展している。 自動運転車の性能は人工知能、特にディープラーニングの進歩によって大幅に改善された。 それでも、正確で複雑なAIモデルの使用に根ざした意思決定の不透明さは、社会的信頼と規制の受容への障壁を生み出し、説明可能性の必要性を高めている。 本稿では,都市環境における自律走行車の挙動をテレロジカルに説明するための,ポストホックでモデルに依存しないソリューションを提案する。 Intention-Aware Policy Graphsをベースとした本手法により,グローバルおよびローカルの観点からのnuScenesデータセットにおける車両の挙動の解釈可能かつ信頼性の高い説明を抽出できる。 これらの説明は、車両が許容される法的境界内で動作しているかどうかを判断し、自律走行データセットやモデルにおける潜在的な脆弱性を特定するために有効であることを示す。

関連論文リスト

• A Survey of World Models for Autonomous Driving [63.33363128964687]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• 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)
• 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)
• Safety Implications of Explainable Artificial Intelligence in End-to-End Autonomous Driving [4.1636282808157254]
  本稿では,エンド・ツー・エンドの自動運転における説明の安全性への影響について述べる。 我々はまず、エンド・ツー・エンドの運転における安全性と説明可能性の概念を再考し、運転安全性の向上における説明の重要性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:49:20Z)
• 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)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)
• Explainable Artificial Intelligence for Autonomous Driving: A Comprehensive Overview and Field Guide for Future Research Directions [8.012552653212687]
  この研究は、自律運転のための説明可能な人工知能(XAI)アプローチの開発に光を当てている。 まず、XAIをベースとした自動運転における最先端および新興のアプローチの概要について概説する。 次に、説明可能なエンドツーエンド自動運転に不可欠な要素を考察する概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-21T22:51:37Z)

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。