論文の概要: Remote Assistance or Remote Driving: The Impact of Operational Design Domains on ADS-Supporting Systems Selection
- arxiv url: http://arxiv.org/abs/2507.14347v1
- Date: Fri, 18 Jul 2025 19:54:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:31.850772
- Title: Remote Assistance or Remote Driving: The Impact of Operational Design Domains on ADS-Supporting Systems Selection
- Title（参考訳）: 遠隔支援・遠隔運転:運用設計領域がADS支援システムの選択に及ぼす影響
- Authors: Ole Hans, Benedikt Walter,
- Abstract要約: 高レベル自動運転システム(ADS)は多くの状況に対処できるが、それでも人間の介入が必要な状況に遭遇する。
この課題に対する2つの一般的な業界ソリューションは、リモート運転システム(RDS)リモート支援システム(RAS)のようなリモート支援システムの統合である。
本稿では,ODD(Operational Design Domain)分析に基づいて,RDSとRASをADSとして選択する構造的アプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High level Automated Driving Systems (ADS) can handle many situations, but they still encounter situations where human intervention is required. In systems where a physical driver is present in the vehicle, typically SAE Level 3 systems, this intervention is relatively straightforward and is handled by the in-vehicle driver. However, the complexity increases for Level 4 systems, where, in most cases, no physical driver remains in the vehicle. The two common industry solutions for this challenge are the integration of a remote support system, such as a Remote Driving System (RDS) or Remote Assistance System (RAS). While it is clear that ADS will require one of these systems, it is less clear how the suitability of either system for a particular ADS application should be evaluated. Currently, the selection process often focuses on system architecture as well as its design and integration challenges. Furthermore, since many ADS developers choose to develop remote system solutions in-house, it is advantageous to select the simpler approach to streamline development and integration efforts. While these decision points are certainly relevant, this approach overlooks the most critical factors: the use cases and the complementarity of the ADS and the remote support system within the context of the Operational Design Design Domain (ODD). This paper proposes a structured approach for selecting between RDS and RAS as an ADS support system, based on the defined ODD and use case analysis. To achieve this, the paper applies the PEGASUS framework to systematically describe and analyze the ODD. A structured framework is introduced to evaluate and select the most suitable remote support system for an ADS based on clearly defined criteria.
- Abstract（参考訳）: 高レベル自動運転システム(ADS)は多くの状況に対処できるが、それでも人間の介入が必要な状況に遭遇する。
車両に物理的ドライバ(通常、SAEレベル3システム)が存在するシステムでは、この介入は比較的単純であり、車内ドライバによって処理される。
しかし、レベル4システムでは複雑さが増し、ほとんどの場合、物理的ドライバーは車内に残らない。
この課題に対する2つの一般的な業界ソリューションは、リモート運転システム(RDS)や遠隔支援システム(RAS)といったリモート支援システムの統合である。
ADS がこれらのシステムのいずれかを必要とすることは明らかだが、特定の ADS アプリケーションに対するいずれのシステムの適合性を評価するべきかは明らかになっていない。
現在、選択プロセスは、しばしばシステムアーキテクチャと、その設計と統合の課題に焦点を当てています。
さらに、多くのADS開発者が社内でリモートシステムソリューションを開発することを選択しているため、開発と統合の取り組みを合理化するためのシンプルなアプローチを選択するのが有利である。
これらの決定ポイントは確かに関連性があるが、このアプローチは最も重要な要素である、運用設計ドメイン(ODD:Operational Design Design Domain)のコンテキストにおけるADSとリモートサポートシステムのユースケースと相補性を見落としている。
本稿では,ORD とユースケース分析に基づいて,RDS とRAS を ADS 支援システムとして選択する構造的アプローチを提案する。
そこで本論文では,OPDを体系的に記述し,解析するためにPEGASUSフレームワークを適用した。
構造化されたフレームワークを導入し、明確に定義された基準に基づいて、ADSの最も適切なリモートサポートシステムを評価し、選択する。
関連論文リスト
- Bridging Prediction and Intervention Problems in Social Systems [71.41519966787386]
我々は,自動意思決定システム(ADS)の影響を考慮した場合,予測重視のパラダイムから介入主義パラダイムに移行する方法を検討する。
我々は、予測を決定支援、最終決定、結果とみなすには、予測を超えた新たなデフォルトのADS問題設定が必要であると論じている。
本稿では,ADSシステムの設計,実装,評価を行うため,この視点が現代の統計フレームワークや他のツールを統一する方法について述べる。
論文 参考訳（メタデータ） (2025-07-07T17:29:13Z) - Foundation Models for Autonomous Driving System: An Initial Roadmap [17.198146951189635]
ファンデーションモデル(FM)の最近の進歩は、自律運転システム(ADS)を著しく強化した。
ADSは、信頼性と安全性を確保するために厳格なソフトウェアエンジニアリングプラクティスを必要とする、非常に複雑なサイバー物理システムである。
我々は、FMのインフラ、その自律運転システムへの応用、そして実際の応用の3つの重要な側面を網羅して、FMを自律運転に統合するための構造化されたロードマップを提示する。
論文 参考訳（メタデータ） (2025-04-01T15:45:31Z) - Autoware.Flex: Human-Instructed Dynamically Reconfigurable Autonomous Driving Systems [11.45791555724806]
本稿では,人間の入力を駆動プロセスに組み込んだ新しい自律運転システム(ADS)であるAutoware$.$Flexを提案する。
1)自然言語で表現された人間の指示を、ADSが理解できる形式に翻訳し、(2)これらの命令が安全かつ一貫して実行されることを保証する。
シミュレータと現実の自動運転車の両方で実施された実験は、Autoware$.$Flexが人間の指示を効果的に解釈し、安全に実行することを示した。
論文 参考訳（メタデータ） (2024-12-20T10:06:11Z) - A self-adaptive system of systems architecture to enable its ad-hoc scalability: Unmanned Vehicle Fleet -- Mission Control Center Case study [0.0]
システム・オブ・システム(SoS)はコンスティチュート・システム(CS)から構成され、単一のCSを超えるユニークな能力を提供する。
本研究は、ミッション変更、レンジ拡張、UV故障などの不確実性に対処するため、実用的なSoSの例として無人車両艦隊(UVF)に焦点を当てる。
提案手法は、UVFアーキテクチャを動的に調整し、Mission Control Centerが自動的にUVFサイズをスケールできるようにする自己適応システムを含む。
論文 参考訳（メタデータ） (2024-08-01T12:51:26Z) - Extending Structural Causal Models for Autonomous Vehicles to Simplify Temporal System Construction & Enable Dynamic Interactions Between Agents [5.309950889075669]
我々は、自動運転車と因果推論の分離を橋渡しすることを目指している。
まず、自動運転車における構造因果モデルの統合を制限した課題を特定する。
次に、これらの課題に取り組むために、構造因果モデルフォーマリズムに対する理論的拡張をいくつか導入する。
論文 参考訳（メタデータ） (2024-06-03T14:47:05Z) - Decictor: Towards Evaluating the Robustness of Decision-Making in Autonomous Driving Systems [26.235108102059378]
本稿では,自律走行システムの経路計画決定(PPD)の堅牢性を評価することに焦点を当てる。
主な課題は、PDの最適性を評価するための明確なオラクルの欠如と、最適でないPDにつながるシナリオを探すのが困難であることである。
非最適決定シナリオ(NoDS)を生成するための最初の手法であるDecictorを提案する。
ADSの非最適PD検出におけるDecictorの有効性を実験的に検証した。
論文 参考訳（メタデータ） (2024-02-28T15:13:33Z) - 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) - 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) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Romanus: Robust Task Offloading in Modular Multi-Sensor Autonomous
Driving Systems [9.21629452868642]
本稿では,マルチセンサ処理パイプラインを用いたモジュール型自律走行プラットフォームのための,堅牢で効率的なタスクオフロード手法を提案する。
我々のアプローチは、純粋な局所的な実行よりも14.99%エネルギー効率が高く、頑健な非依存のオフロードベースラインから77.06%のリスク行動の低減を実現している。
論文 参考訳（メタデータ） (2022-07-18T18:22:49Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z)
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。