論文の概要: Towards Safety-Compliant Transformer Architectures for Automotive Systems

• arxiv url: http://arxiv.org/abs/2601.18850v1
• Date: Mon, 26 Jan 2026 14:12:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 14:07:29.332895
• Title: Towards Safety-Compliant Transformer Architectures for Automotive Systems
• Title（参考訳）: 自動車システムにおける安全対応型変圧器アーキテクチャの実現に向けて
• Authors: Sven Kirchner, Nils Purschke, Chengdong Wu, Alois Knoll,
• Abstract要約: 本稿では,安全の観点からトランスフォーマーを自動車システムに統合するための概念的枠組みを提案する。 マルチモーダルファンデーションモデルがセンサの多様性と冗長性を活用して耐障害性と堅牢性を向上させる方法について概説する。
• 参考スコア（独自算出の注目度）: 31.658299857884316
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transformer-based architectures have shown remarkable performance in vision and language tasks but pose unique challenges for safety-critical applications. This paper presents a conceptual framework for integrating Transformers into automotive systems from a safety perspective. We outline how multimodal Foundation Models can leverage sensor diversity and redundancy to improve fault tolerance and robustness. Our proposed architecture combines multiple independent modality-specific encoders that fuse their representations into a shared latent space, supporting fail-operational behavior if one modality degrades. We demonstrate how different input modalities could be fused in order to maintain consistent scene understanding. By structurally embedding redundancy and diversity at the representational level, this approach bridges the gap between modern deep learning and established functional safety practices, paving the way for certifiable AI systems in autonomous driving.
• Abstract（参考訳）: トランスフォーマーベースのアーキテクチャは、視覚と言語タスクにおいて顕著なパフォーマンスを示しているが、安全クリティカルなアプリケーションにはユニークな課題がある。 本稿では,安全の観点からトランスフォーマーを自動車システムに統合するための概念的枠組みを提案する。 マルチモーダルファンデーションモデルがセンサの多様性と冗長性を活用して耐障害性と堅牢性を向上させる方法について概説する。 提案アーキテクチャは,複数の独立なモダリティ固有エンコーダを組み合わせることで,表現を共有潜在空間に融合し,一方のモダリティが劣化した場合のフェール操作動作をサポートする。 我々は、一貫したシーン理解を維持するために、異なる入力モダリティがどう融合できるかを実証する。 構造的に冗長性と多様性を表現レベルで埋め込むことによって、このアプローチは、現代のディープラーニングと機能的安全プラクティスのギャップを埋め、自律運転における認証AIシステムへの道を開く。

関連論文リスト

• New Spiking Architecture for Multi-Modal Decision-Making in Autonomous Vehicles [11.558832874246646]
  本研究は、自動運転車における高レベル意思決定のためのエンドツーエンドのマルチモーダル強化学習フレームワークを提案する。 このフレームワークは、カメラ画像、LiDAR点雲、車両案内情報を含む異種感覚入力を、クロスアテンショントランスフォーマーベースの知覚モジュールを介して統合する。
  論文  参考訳（メタデータ） (2025-12-01T17:04:56Z)
• Discrete Diffusion for Reflective Vision-Language-Action Models in Autonomous Driving [55.13109926181247]
  離散拡散による安全な軌道生成のためのリフレクション機構を統合した学習ベースのフレームワークであるReflectDriveを紹介する。 我々のアプローチの中心は、勾配のない反復的な自己補正を行う、安全を意識した反射機構である。 本手法は目標条件付き軌道生成から始まり,マルチモーダル運転動作をモデル化する。
  論文  参考訳（メタデータ） (2025-09-24T13:35:15Z)
• Automating Steering for Safe Multimodal Large Language Models [58.36932318051907]
  基礎モデルの微調整を必要とせず,モジュール型かつ適応型推論時間介入技術であるAutoSteerを導入する。 AutoSteerは,(1)モデル内部層間の最も安全性に関連のある識別を自動的に行う新しい安全意識スコア(SAS),(2)中間表現から有害な出力の可能性を推定するために訓練された適応安全プローバ,(3)安全性のリスクが検出された場合に生成を選択的に介入する軽量な拒絶ヘッドの3つのコアコンポーネントを組み込んだ。
  論文  参考訳（メタデータ） (2025-07-17T16:04:55Z)
• BlueGlass: A Framework for Composite AI Safety [0.2999888908665658]
  本稿では,統合されたインフラストラクチャを提供することで,AIの安全性を促進するためのフレームワークであるBlueGlassを紹介する。 本フレームワークの有用性を実証するために,視覚言語評価における安全性指向の3つの分析法を提案する。 より広い範囲で、この研究は、より堅牢で信頼性の高いAIシステムを構築するためのインフラストラクチャと発見に貢献している。
  論文  参考訳（メタデータ） (2025-07-14T09:45:34Z)
• Towards provable probabilistic safety for scalable embodied AI systems [79.31011047593492]
  エンボディードAIシステムは、様々なアプリケーションでますます普及している。 複雑な運用環境での安全性確保は依然として大きな課題である。 このパースペクティブは、安全で大規模に実施されたAIシステムを安全クリティカルなアプリケーションに採用するための道筋を提供する。
  論文  参考訳（メタデータ） (2025-06-05T15:46:25Z)
• Diffeomorphic Obstacle Avoidance for Contractive Dynamical Systems via Implicit Representations [0.6144680854063939]
  本稿では、デモから学んだダイナミックロボットの安全性と堅牢性を両立させるという課題に対処する。 我々は、学習スキルの堅牢な外挿を提供するために、神経収縮力学系を構築している。 我々は、微分同相変換による収縮安定性を維持するフルボディ障害物回避戦略を設計する。
  論文  参考訳（メタデータ） (2025-04-26T08:56:51Z)
• SafeAuto: Knowledge-Enhanced Safe Autonomous Driving with Multimodal Foundation Models [63.71984266104757]
  我々は、構造化されていない知識と構造化されていない知識の両方を取り入れることで、MLLMベースの自動運転を強化するフレームワークであるSafeAutoを提案する。 安全知識を明示的に統合するため,交通ルールを一階述語論理に変換する推論コンポーネントを開発した。 我々のマルチモーダル検索・拡張生成モデルは、過去の運転経験から学ぶために、ビデオ、制御信号、環境特性を活用する。
  論文  参考訳（メタデータ） (2025-02-28T21:53:47Z)
• Position: Emergent Machina Sapiens Urge Rethinking Multi-Agent Paradigms [8.177915265718703]
  AIエージェントは、目的を動的に調整する権限を持つべきだ、と私たちは主張する。 私たちは、これらのマルチエージェントAIシステムの創発的で、自己組織化され、コンテキストに配慮した性質へのシフトを呼びかけます。
  論文  参考訳（メタデータ） (2025-02-05T22:20:15Z)
• Formal Modelling of Safety Architecture for Responsibility-Aware Autonomous Vehicle via Event-B Refinement [1.45566585318013]
  本稿では,AVの安全条件をモデル化し,導出し,証明する上での戦略と経験について述べる。 このケーススタディは、現在最先端のゴール認識型責任感性安全性モデルを対象として、周囲の車両との相互作用について議論する。
  論文  参考訳（メタデータ） (2024-01-10T02:02:06Z)

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。