論文の概要: OD-RASE: Ontology-Driven Risk Assessment and Safety Enhancement for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2603.05936v1
- Date: Fri, 06 Mar 2026 06:08:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 13:17:45.173401
- Title: OD-RASE: Ontology-Driven Risk Assessment and Safety Enhancement for Autonomous Driving
- Title（参考訳）: OD-RASE:オントロジー駆動型リスクアセスメントと自動運転の安全性向上
- Authors: Kota Shimomura, Masaki Nambata, Atsuya Ishikawa, Ryota Mimura, Takayuki Kawabuchi, Takayoshi Yamashita, Koki Inoue,
- Abstract要約: OD-RASEは自動運転システムの安全性を高めるためのフレームワークである。
オントロジー駆動型データフィルタリングは事故発生時の道路構造物の高精度な予測を可能にする。
- 参考スコア（独自算出の注目度）: 7.240412456828376
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although autonomous driving systems demonstrate high perception performance, they still face limitations when handling rare situations or complex road structures. Such road infrastructures are designed for human drivers, safety improvements are typically introduced only after accidents occur. This reactive approach poses a significant challenge for autonomous systems, which require proactive risk mitigation. To address this issue, we propose OD-RASE, a framework for enhancing the safety of autonomous driving systems by detecting road structures that cause traffic accidents and connecting these findings to infrastructure development. First, we formalize an ontology based on specialized domain knowledge of road traffic systems. In parallel, we generate infrastructure improvement proposals using a large-scale visual language model (LVLM) and use ontology-driven data filtering to enhance their reliability. This process automatically annotates improvement proposals on pre-accident road images, leading to the construction of a new dataset. Furthermore, we introduce the Baseline approach (OD-RASE model), which leverages LVLM and a diffusion model to produce both infrastructure improvement proposals and generated images of the improved road environment. Our experiments demonstrate that ontology-driven data filtering enables highly accurate prediction of accident-causing road structures and the corresponding improvement plans. We believe that this work contributes to the overall safety of traffic environments and marks an important step toward the broader adoption of autonomous driving systems.
- Abstract（参考訳）: 自律走行システムは高い認識性能を示すが、稀な状況や複雑な道路構造を扱う際には制限に直面している。
このような道路インフラは人間ドライバー向けに設計されており、事故発生後にのみ安全改善が実施されるのが一般的である。
この反応性アプローチは、積極的なリスク軽減を必要とする自律システムにとって大きな課題となる。
本稿では,交通事故の原因となる道路構造を検知し,これらの知見をインフラ開発に結びつけることにより,自動運転システムの安全性を高めるためのフレームワークOD-RASEを提案する。
まず,道路交通システムの専門知識に基づいてオントロジーを定式化する。
並行して、大規模ビジュアル言語モデル(LVLM)を用いてインフラ改善提案を生成し、オントロジー駆動型データフィルタリングを用いて信頼性を向上させる。
このプロセスは、事故前の道路画像の改善提案を自動的に注釈付けし、新しいデータセットを構築する。
さらに、LVLMと拡散モデルを利用して、インフラ改善提案と改善道路環境の画像を生成するベースラインアプローチ(OD-RASEモデル)を導入する。
実験により,オントロジー駆動型データフィルタリングにより,事故発生時の道路構造とそれに対応する改善計画の高精度な予測が可能であることを実証した。
この研究は交通環境全体の安全性に寄与し、自動運転システムの普及に向けて重要なステップとなると信じている。
関連論文リスト
- 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) - UniSTPA: A Safety Analysis Framework for End-to-End Autonomous Driving [10.063740202765343]
我々はUnified System Theoretic Process Analysis (UniSTPA)フレームワークを提案する。
UniSTPAはコンポーネントレベルだけでなく、モデルの内部レイヤ内でもハザード分析を行います。
提案手法は,エンド・ツー・エンドの自動運転システムの安全開発と展開のための理論的および実践的なガイダンスを提供する。
論文 参考訳（メタデータ） (2025-05-21T01:23:31Z) - 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) - A Computer Vision Approach for Autonomous Cars to Drive Safe at Construction Zone [0.0]
自律運転システム(ADS)を搭載した車は、適応クルーズ制御、衝突警報、自動駐車など、様々な最先端機能を備えている。
本稿では,多様なドリフト条件下で構築ゾーンや機能で動作可能なコンピュータビジョン技術を利用した,革新的で高精度な道路障害物検出モデルを提案する。
論文 参考訳（メタデータ） (2024-09-24T07:11:00Z) - 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) - Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。
データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - Integrating Higher-Order Dynamics and Roadway-Compliance into
Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。
既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。
このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
論文 参考訳（メタデータ） (2023-09-25T22:30:18Z) - 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) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Model Guided Road Intersection Classification [2.9248680865344348]
本研究は,rgb画像からの区間間分類を,教師・生徒の訓練パラダイムに基づく結果向上手法とともに,統合型ニューラルネットワークを用いて検討する。
KITTIデータセットと新しいKITTI-360シーケンスの両方において、最適な入力構成を特定し、異なるネットワークパラメータを評価することを目的とした広範な実験活動により、本手法はフレーム単位の最先端手法よりも優れ、提案手法の有効性が証明された。
論文 参考訳（メタデータ） (2021-04-26T09:15:28Z)
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。