論文の概要: Control Analysis and Design for Autonomous Vehicles Subject to Imperfect AI-Based Perception

• arxiv url: http://arxiv.org/abs/2509.12137v1
• Date: Mon, 15 Sep 2025 17:03:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.414261
• Title: Control Analysis and Design for Autonomous Vehicles Subject to Imperfect AI-Based Perception
• Title（参考訳）: 不完全なAIに基づく知覚を考慮した自動運転車の制御解析と設計
• Authors: Tao Yan, Zheyu Zhang, Jingjing Jiang, Wen-Hua Chen,
• Abstract要約: 安全は自律走行車(AV)システムにおいて重要な問題であり、特にAIベースの知覚・知覚モジュールが関与する場合に重要である。 本稿ではAIベースのAVのための新しいモデリング、分析、合成ツールを開発することを目的とする。
• 参考スコア（独自算出の注目度）: 12.672967565682724
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safety is a critical concern in autonomous vehicle (AV) systems, especially when AI-based sensing and perception modules are involved. However, due to the black box nature of AI algorithms, it makes closed-loop analysis and synthesis particularly challenging, for example, establishing closed-loop stability and ensuring performance, while they are fundamental to AV safety. To approach this difficulty, this paper aims to develop new modeling, analysis, and synthesis tools for AI-based AVs. Inspired by recent developments in perception error models (PEMs), the focus is shifted from directly modeling AI-based perception processes to characterizing the perception errors they produce. Two key classes of AI-induced perception errors are considered: misdetection and measurement noise. These error patterns are modeled using continuous-time Markov chains and Wiener processes, respectively. By means of that, a PEM-augmented driving model is proposed, with which we are able to establish the closed-loop stability for a class of AI-driven AV systems via stochastic calculus. Furthermore, a performance-guaranteed output feedback control synthesis method is presented, which ensures both stability and satisfactory performance. The method is formulated as a convex optimization problem, allowing for efficient numerical solutions. The results are then applied to an adaptive cruise control (ACC) scenario, demonstrating their effectiveness and robustness despite the corrupted and misleading perception.
• Abstract（参考訳）: 安全は自律走行車(AV)システムにおいて重要な問題であり、特にAIベースの知覚・知覚モジュールが関与する場合に重要である。 しかし、AIアルゴリズムのブラックボックスの性質のため、クローズループ解析と合成を特に困難にしている。 そこで本研究では,AIに基づくAVのための新しいモデリング,解析,合成ツールを開発することを目的とする。 近年の知覚エラーモデル(PEM)の発展に触発されて、AIベースの知覚プロセスを直接モデル化することから、それらが生み出す知覚エラーを特徴づけることへと焦点が移っている。 AIによる知覚誤差の2つの重要なクラスは、誤検出と測定ノイズである。 これらのエラーパターンは、それぞれ連続時間マルコフ連鎖とウィーナープロセスを用いてモデル化される。 これにより、確率計算を用いてAI駆動型AVシステムの閉ループ安定性を確立することができるPEM拡張駆動モデルが提案される。 さらに、安定性と良好な性能を両立させる性能保証出力フィードバック制御合成法を提案する。 この方法は凸最適化問題として定式化され、効率的な数値解が可能である。 結果は適応型クルーズコントロール(ACC)のシナリオに適用され、腐敗した誤解を招く知覚にもかかわらず、その有効性と堅牢性を示す。

関連論文リスト

• Approaches to Analysis and Design of AI-Based Autonomous Vehicles [12.672967565682724]
  AIベースのフィードバックを通じてループを閉じると、自律運転の信頼性に重大なリスクが生じる可能性がある。 本稿では,AIに基づくAVクラスのためのモデリング,解析,合成のためのツールを開発することを目的とする。
  論文  参考訳（メタデータ） (2025-09-15T17:32:29Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [78.18946529195254]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• XAI-based Feature Ensemble for Enhanced Anomaly Detection in Autonomous Driving Systems [1.3022753212679383]
  本稿では,複数の Explainable AI (XAI) メソッドを統合する新しい機能アンサンブルフレームワークを提案する。 このフレームワークは、6つの多様なAIモデルにまたがって、これらのXAIメソッドによって識別されるトップ機能を融合することによって、異常の検出に不可欠な堅牢で包括的な機能のセットを生成する。 我々の技術は、AIモデルの精度、堅牢性、透明性の向上を示し、より安全で信頼性の高い自動運転システムに貢献します。
  論文  参考訳（メタデータ） (2024-10-20T14:34:48Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Cloud-based XAI Services for Assessing Open Repository Models Under Adversarial Attacks [7.500941533148728]
  計算コンポーネントとアセスメントタスクをパイプラインにカプセル化するクラウドベースのサービスフレームワークを提案する。 我々は、AIモデルの5つの品質特性を評価するために、XAIサービスの応用を実証する。
  論文  参考訳（メタデータ） (2024-01-22T00:37:01Z)
• STEAM & MoSAFE: SOTIF Error-and-Failure Model & Analysis for AI-Enabled Driving Automation [4.820785104084241]
  本稿では、SOTIF因果モデルの改良として、STEAM(SotIF Temporal Error and Failure Model)を定義した。 第2に,システム設計モデルに基づくSTEAMのインスタンス化が可能なモデルベースSOTIF解析法(MoSAFE)を提案する。
  論文  参考訳（メタデータ） (2023-12-15T06:34:35Z)
• AttNS: Attention-Inspired Numerical Solving For Limited Data Scenarios [51.94807626839365]
  限定データによる微分方程式の解法として,注目型数値解法(AttNS)を提案する。 AttNSは、モデル一般化とロバスト性の向上におけるResidual Neural Networks(ResNet)のアテンションモジュールの効果にインスパイアされている。
  論文  参考訳（メタデータ） (2023-02-05T01:39:21Z)
• Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
  本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。 まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。 次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
  論文  参考訳（メタデータ） (2021-11-18T23:21:00Z)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)

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。