論文の概要: Toward Fully Autonomous Driving: AI, Challenges, Opportunities, and Needs
- arxiv url: http://arxiv.org/abs/2601.22927v1
- Date: Fri, 30 Jan 2026 12:45:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.034331
- Title: Toward Fully Autonomous Driving: AI, Challenges, Opportunities, and Needs
- Title（参考訳）: 完全自律運転に向けて - AI、チャレンジ、機会、ニーズ
- Authors: Lars Ullrich, Michael Buchholz, Klaus Dietmayer, Knut Graichen,
- Abstract要約: 自動運転(AD)は有望だが、完全自動運転への移行は、現実の、絶え間なく変化するオープンな世界が対象だ。
ADの分野での研究は、古典的なアプローチを上回る人工知能(AI)の能力を示している。
同時に、AIの使用は、安全性と転送可能性に関するさらなる疑問を提起する。
- 参考スコア（独自算出の注目度）: 6.944629191405368
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated driving (AD) is promising, but the transition to fully autonomous driving is, among other things, subject to the real, ever-changing open world and the resulting challenges. However, research in the field of AD demonstrates the ability of artificial intelligence (AI) to outperform classical approaches, handle higher complexities, and reach a new level of autonomy. At the same time, the use of AI raises further questions of safety and transferability. To identify the challenges and opportunities arising from AI concerning autonomous driving functionalities, we have analyzed the current state of AD, outlined limitations, and identified foreseeable technological possibilities. Thereby, various further challenges are examined in the context of prospective developments. In this way, this article reconsiders fully autonomous driving with respect to advancements in the field of AI and carves out the respective needs and resulting research questions.
- Abstract（参考訳）: 自動運転(AD)は有望だが、完全に自律的な運転への移行は、現実の、絶え間なく変化するオープンな世界と、その結果生じる課題に直面する。
しかし、ADの分野での研究は、人工知能(AI)が古典的なアプローチを上回り、高い複雑さを扱い、新しいレベルの自律性に達する能力を示している。
同時に、AIの使用は、安全性と転送可能性に関するさらなる疑問を提起する。
自律運転機能に関するAIから生じる課題と機会を特定するため、ADの現状を分析し、限界を概説し、予測可能な技術的可能性を特定した。
これにより、今後の発展の文脈において、さらに様々な課題が検討される。
このようにして、AI分野の進歩に関して完全な自律運転を再考し、それぞれのニーズを掘り下げ、その結果の研究課題を提起する。
関連論文リスト
- Open and Sustainable AI: challenges, opportunities and the road ahead in the life sciences (October 2025 -- Version 2) [49.142289900583705]
我々は、AI研究成果に対する信頼の侵食の増加についてレビューする。
我々は、AIエコシステムの断片化されたコンポーネントと、OpenとSustainable AIを最大限にサポートするためのガイドパスの欠如について論じる。
私たちの研究は、研究者と関連するAIリソースを結びつけることで、持続可能な、再利用可能な、透過的なAIの実装を容易にします。
論文 参考訳（メタデータ） (2025-05-22T12:52:34Z) - Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。
まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。
我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
論文 参考訳（メタデータ） (2025-05-13T17:59:20Z) - 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) - Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する
AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。
本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文 参考訳（メタデータ） (2024-02-21T08:29:42Z) - 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) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - 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) - Towards Safe, Explainable, and Regulated Autonomous Driving [11.043966021881426]
本稿では、自律制御、説明可能なAI(XAI)、規制コンプライアンスを統合するフレームワークを提案する。
フレームワークの目標を達成するのに役立つ、関連するXAIアプローチについて説明します。
論文 参考訳（メタデータ） (2021-11-20T05:06:22Z)
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。