論文の概要: Right in Time: Reactive Reasoning in Regulated Traffic Spaces

• arxiv url: http://arxiv.org/abs/2603.03977v1
• Date: Wed, 04 Mar 2026 12:18:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.293897
• Title: Right in Time: Reactive Reasoning in Regulated Traffic Spaces
• Title（参考訳）: right in Time: 規制されたトラフィック空間におけるリアクティブ推論
• Authors: Simon Kohaut, Benedict Flade, Julian Eggert, Kristian Kersting, Devendra Singh Dhami,
• Abstract要約: 本研究では,不確実な環境データと宣言的かつ論理的な交通規制を共同で検討する,リアクティブなミッション設計フレームワークを提案する。 当社のアプローチは,リアクティブパラダイムを使わずに,ProMis上での大幅なスピードアップを実現しています。
• 参考スコア（独自算出の注目度）: 35.58961985804191
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Exact inference in probabilistic First-Order Logic offers a promising yet computationally costly approach for regulating the behavior of autonomous agents in shared traffic spaces. While prior methods have combined logical and probabilistic data into decision-making frameworks, their application is often limited to pre-flight checks due to the complexity of reasoning across vast numbers of possible universes. In this work, we propose a reactive mission design framework that jointly considers uncertain environmental data and declarative, logical traffic regulations. By synthesizing Probabilistic Mission Design (ProMis) with reactive reasoning facilitated by Reactive Circuits (RC), we enable online, exact probabilistic inference over hybrid domains. Our approach leverages the Frequency of Change inherent in heterogeneous data streams to subdivide inference formulas into memoized, isolated tasks, ensuring that only the specific components affected by new sensor data are re-evaluated. In experiments involving both real-world vessel data and simulated drone traffic in dense urban scenarios, we demonstrate that our approach provides orders of magnitude in speedup over ProMis without reactive paradigms. This allows intelligent transportation systems, such as Unmanned Aircraft Systems (UAS), to actively assert safety and legal compliance during operations rather than relying solely on preparation procedures.
• Abstract（参考訳）: 確率的一階述語論理における厳密な推論は、共有交通空間における自律エージェントの振舞いを制御するために、有望だが計算に費用がかかるアプローチを提供する。 従来の手法は論理的および確率的なデータを意思決定のフレームワークに組み合わせたものの、その応用は膨大な数の宇宙をまたがる推論の複雑さのため、飛行前チェックに限られることが多い。 本研究では,不確実な環境データと宣言的かつ論理的な交通規制を共同で検討する,リアクティブなミッション設計フレームワークを提案する。 ProMis(Probabilistic Mission Design)をリアクティブサーキット(RC)によって促進されるリアクティブ推論で合成することにより、ハイブリッドドメインに対するオンラインで正確な確率的推論を可能にします。 我々のアプローチは、異種データストリームに固有の変化の頻度を利用して、推論公式をメモ化して独立したタスクに分割し、新しいセンサデータに影響を受ける特定のコンポーネントのみを再評価する。 都市密集シナリオにおける実世界の船舶データとシミュレートされたドローントラフィックの両方を含む実験において、我々の手法がリアクティブパラダイムを使わずにProMis上でのスピードアップを桁違いに行うことを実証した。 これにより、無人航空機システム(UAS)のようなインテリジェントな輸送システムは、準備手順のみに頼るのではなく、運用中の安全と法的コンプライアンスを積極的に主張することができる。

関連論文リスト

• Reactive Knowledge Representation and Asynchronous Reasoning [35.58961985804191]
  複素確率モデルにおける厳密な推論は、しばしば禁止的な計算コストを引き起こす。 既存の手法は、どの変更でもモデル全体を再評価するため、継続する推論には非効率であることが多い。 まず、確率論的論理とリアクティブプログラミングを融合した確率論的プログラミング言語であるRetinを紹介します。 レジンの効率的かつ正確なセマンティクスを提供するために,反応回路(RC)を提案する。 高忠実度ドローン群シミュレーションにおいて,本手法は周波数非依存推論よりも数桁の高速化を実現する。
  論文  参考訳（メタデータ） (2026-02-05T13:02:01Z)
• Improving AEBS Validation Through Objective Intervention Classification Leveraging the Prediction Divergence Principle [0.0]
  本研究は,予測分散原理(PDP)を利用した規則に基づく分類手法を提案する。 この手法を人間のラベル付けと組み合わせることで、分類の透明性と一貫性が向上し、全体的な検証プロセスが改善されることが示唆された。
  論文  参考訳（メタデータ） (2025-07-10T15:55:05Z)
• NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
  我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。 我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。 NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
  論文  参考訳（メタデータ） (2024-06-21T17:59:02Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Model Checking for Closed-Loop Robot Reactive Planning [0.0]
  モデル検査を用いて、ディファレンシャルドライブホイールロボットの多段階計画を作成することにより、即時危険を回避できることを示す。 簡単な生物エージェントのエゴセントリックな反応を反映した,小型で汎用的なモデル検査アルゴリズムを用いて,リアルタイムで計画を生成する。
  論文  参考訳（メタデータ） (2023-11-16T11:02:29Z)
• A Diffusion-Model of Joint Interactive Navigation [14.689298253430568]
  本稿では,交通シナリオを生成する拡散に基づくDJINNを提案する。 我々のアプローチは、過去、現在、未来からのフレキシブルな状態観察のセットに基づいて、全てのエージェントの軌跡を共同で拡散させる。 本稿では,DJINNが様々な条件分布からの直接的テスト時間サンプリングを柔軟に行う方法を示す。
  論文  参考訳（メタデータ） (2023-09-21T22:10:20Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)
• Deep Structured Reactive Planning [94.92994828905984]
  自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。 本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
  論文  参考訳（メタデータ） (2021-01-18T01:43:36Z)

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。