論文の概要: Considering Perspectives for Automated Driving Ethics: Collective Risk in Vehicular Motion Planning
- arxiv url: http://arxiv.org/abs/2602.22940v1
- Date: Thu, 26 Feb 2026 12:30:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.73655
- Title: Considering Perspectives for Automated Driving Ethics: Collective Risk in Vehicular Motion Planning
- Title（参考訳）: 自動走行倫理の視点を考える:車体運動計画における集団的リスク
- Abstract要約: 本稿では,道路利用者の視点間でのリスク最小化戦略の切り替えを支援するAV動作計画戦略を提案する。
道路利用者の立場からみるリスクは、一般的にAVの立場から考えるリスクと異なるとみなすことができる。
AVを含む道路交通の倫理性を促進するためには、各道路利用者のリスクを考慮しなければならないと結論付けている。
- 参考スコア（独自算出の注目度）: 1.005962747372551
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent automated vehicle (AV) motion planning strategies evolve around minimizing risk in road traffic. However, they exclusively consider risk from the AV's perspective and, as such, do not address the ethicality of its decisions for other road users. We argue that this does not reduce the risk of each road user, as risk may be different from the perspective of each road user. Indeed, minimizing the risk from the AV's perspective may not imply that the risk from the perspective of other road users is also being minimized; in fact, it may even increase. To test this hypothesis, we propose an AV motion planning strategy that supports switching risk minimization strategies between all road user perspectives. We find that the risk from the perspective of other road users can generally be considered different to the risk from the AV's perspective. Taking a collective risk perspective, i.e., balancing the risks of all road users, we observe an AV that minimizes overall traffic risk the best, while putting itself at slightly higher risk for the benefit of others, which is consistent with human driving behavior. In addition, adopting a collective risk minimization strategy can also be beneficial to the AV's travel efficiency by acting assertively when other road users maintain a low risk estimate of the AV. Yet, the AV drives conservatively when its planned actions are less predictable to other road users, i.e., associated with high risk. We argue that such behavior is a form of self-reflection and a natural prerequisite for socially acceptable AV behavior. We conclude that to facilitate ethicality in road traffic that includes AVs, the risk-perspective of each road user must be considered in the decision-making of AVs.
- Abstract（参考訳）: 近年,道路交通のリスクを最小限に抑えるため,自律走行車(AV)の移動計画戦略が進展している。
しかし、彼らはAVの立場からリスクを排他的に考慮しており、他の道路利用者に対する判断の倫理性には対処していない。
これは各道路利用者のリスクを減少させるものではない、と我々は主張する。
実際、AVの観点からリスクを最小化することは、他の道路利用者の観点からもリスクが最小化されていることを暗示しないかもしれない。
この仮説を検証するために,道路利用者の視点間でのリスク最小化戦略の切り替えを支援するAV動作計画戦略を提案する。
道路利用者の立場からみるリスクは、一般的にAVの立場から考えるリスクと異なるものとみなすことができる。
全ての道路利用者のリスクのバランスをとるという集合的リスクの観点から、交通リスクのリスクを最小化するAVを観察するとともに、運転行動と整合した他者の利益に対するリスクをわずかに高めに設定する。
さらに、他の道路利用者がAVのリスク見積を低く維持している場合には、AVの走行効率を肯定的に行うことで、集団リスク最小化戦略を採用することも、AVの走行効率に有益である。
しかし、計画された行動が他の道路利用者、すなわちリスクの高い道路利用者にとって予測し難い場合には、AVは保守的に運転する。
このような行動は自己回帰の一形態であり、社会的に許容されるAV行動の自然な前提条件であると主張する。
AVを含む道路交通の倫理性を促進するためには、AVの意思決定において、各道路利用者のリスクを考慮しなければならないと結論付けている。
関連論文リスト
- ADV-0: Closed-Loop Min-Max Adversarial Training for Long-Tail Robustness in Autonomous Driving [63.980630608984605]
本稿では、ゼロサムマルコフゲームとして、駆動ポリシー(ディフェンダー)と敵エージェント(アタックラー)の相互作用を扱うクローズドループのmin-max最適化フレームワークであるADV-0を提案する。
これを実現するため,我々は動的敵の進化を反復的な選好学習とし,この最適性を効率的に近似し,アルゴリズムに依存しない解をゲームに提供する。
実験により、多様な安全クリティカルな障害を効果的に露呈し、学習方針と運動プランナーの両方の一般化可能性を大幅に向上させることが示されている。
論文 参考訳（メタデータ） (2026-03-16T12:58:31Z) - RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。
提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
論文 参考訳（メタデータ） (2024-05-07T23:32:36Z) - Risk-anticipatory autonomous driving strategies considering vehicles' weights, based on hierarchical deep reinforcement learning [12.014977175887767]
本研究では,周囲の車両の重量を考慮し,リスク予測に基づく自律運転戦略を開発する。
リスクフィールド理論に基づいて、周囲の車両重量を統合するリスクインジケータを提案し、自律運転決定に組み込んだ。
衝突時の潜在的な衝突エネルギーを示す指標を新たに提案し, AV駆動方式の性能評価を行った。
論文 参考訳（メタデータ） (2023-12-27T06:03:34Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z) - RCP-RF: A Comprehensive Road-car-pedestrian Risk Management Framework
based on Driving Risk Potential Field [1.625213292350038]
本研究では,コネクテッド・アンド・オートマチック・ビークル(CAV)環境下での電位場理論に基づく総合運転リスク管理フレームワークRCP-RFを提案する。
既存のアルゴリズムと異なり,エゴ車と障害物車と歩行者係数の移動傾向は,提案手法において正当に考慮されている。
実世界のデータセットNGSIMおよび実AVプラットフォーム上での最先端手法に対する提案手法の優位性を検証する実証的研究を行った。
論文 参考訳（メタデータ） (2023-05-04T01:54:37Z) - Watch Out for the Safety-Threatening Actors: Proactively Mitigating
Safety Hazards [5.898210877584262]
本稿では,AVの安全性に影響を及ぼす道路上の各アクターの重要性を推定するために,反実的推論を用いた安全脅威指標(STI)を提案する。
提案手法は, 希少な危険シナリオにおける最先端のAVエージェントの事故発生率を70%以上削減する。
論文 参考訳（メタデータ） (2022-06-02T05:56:25Z) - The risk ethics of autonomous vehicles: a continuous trolley problem in
regular road traffic [0.0]
自動運転車(AV)は、通常の交通状況において、明示的または暗黙的に、道路利用者間でリスクを分散すると主張している。
異なる交通状況のインタラクティブなグラフィカルな表現を用いて,AVの運転操作に対する参加者の嗜好を測定した。
AVの社会的ジレンマがリスクの文脈で減少する可能性を示唆する他の道路利用者の利益のために、参加者は自らリスクを取ることを望んでいた。
論文 参考訳（メタデータ） (2022-05-24T20:49:28Z) - Efficient Risk-Averse Reinforcement Learning [79.61412643761034]
リスク逆強化学習(RL)では、リターンのリスク測定を最適化することが目標である。
特定の条件下では、これは必然的に局所最適障壁につながることを証明し、それを回避するためのソフトリスク機構を提案する。
迷路ナビゲーション,自律運転,資源配分ベンチマークにおいて,リスク回避の改善を示す。
論文 参考訳（メタデータ） (2022-05-10T19:40:52Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳（メタデータ） (2020-06-26T11:07:32Z) - Mean-Variance Policy Iteration for Risk-Averse Reinforcement Learning [75.17074235764757]
割引無限地平線MDPにおけるリスク・アバース制御の枠組みを提案する。
MVPIは、政策評価方法やリスクニュートラル制御手法を棚から外すためのリスク・アバース制御に投入できる点において、非常に柔軟性がある。
この柔軟性は、リスク中立制御とリスク逆制御のギャップを減らし、新しい拡張MDPの開発によって達成される。
論文 参考訳（メタデータ） (2020-04-22T22:23:44Z)
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。