論文の概要: UGAF-ITS: A Standards Harmonization Framework and Validation Tool for Multi-Framework AI Governance in Distributed Intelligent Transportation Systems

• arxiv url: http://arxiv.org/abs/2604.22789v1
• Date: Tue, 07 Apr 2026 09:37:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.184075
• Title: UGAF-ITS: A Standards Harmonization Framework and Validation Tool for Multi-Framework AI Governance in Distributed Intelligent Transportation Systems
• Title（参考訳）: UGAF-ITS:分散インテリジェントトランスポートシステムにおけるマルチフレームAIガバナンスのための標準調和フレームワークと検証ツール
• Authors: Talal Ashraf Butt, Muhammad Iqbal, Razi Iqbal,
• Abstract要約: UGAF-ITSは、154のソース義務を8つのガバナンスドメインで12の統一されたコントロールに統合する標準調和フレームワークである。 3層運用モデルでは、各制御を車両、エッジ、またはクラウド層に割り当てる。 20バージョンのアーティファクトのエビデンスバックボーンは、3つのフレームワークすべてに1つの監査パッケージをサポートしている。
• 参考スコア（独自算出の注目度）: 1.1002771741647328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Organizations deploying AI-enabled Intelligent Transportation Systems face fragmented governance: ISO/IEC 42001 demands a certifiable management system, the EU AI Act imposes binding high-risk obligations from August 2026, and the NIST AI Risk Management Framework structures voluntary practice. Each instrument is internally coherent, yet they drive different control vocabularies, evidence expectations, and audit rhythms. In distributed ITS deployments where vehicle manufacturers, roadside integrators, and cloud operators each hold partial evidence and partial accountability, this fragmentation multiplies compliance effort and obscures incident traceability. This paper introduces UGAF-ITS, a standards harmonization framework that consolidates 154 source obligations from the three instruments into 12 unified controls across eight governance domains through a reproducible five-phase crosswalk methodology. A three-tier operating model allocates each control to the vehicle, edge, or cloud tier where enforcement and defensible evidence production are feasible. An evidence backbone of 20 versioned artifacts supports a single audit package across all three frameworks without duplicating content. We validate UGAF-ITS through an open-source governance engine evaluated across four architecturally distinct ITS deployment scenarios. The engine encodes the complete crosswalk catalog and executes eight compliance computations. Three-tier deployments achieve 91.7% average framework coverage with 45.9% evidence reduction, complete bidirectional traceability, and 80% of artifacts serving all three frameworks simultaneously. Partial deployments degrade gracefully: coverage and reduction scale with architectural complexity. The tool, scenarios, and all reported results are publicly available for independent replication.
• Abstract（参考訳）: ISO/IEC 42001は認証可能な管理システムを要求し、EU AI Actは2026年8月からハイリスク義務を拘束し、NIST AI Risk Management Frameworkは自発的に実践する。 それぞれの楽器は内部的に一貫性があるが、異なる制御語彙、エビデンス予測、監査リズムを駆動する。 分散ITSデプロイメントでは、自動車メーカー、ロードサイドインテグレータ、クラウドオペレータそれぞれが部分的な証拠と部分的な説明責任を持っているが、この断片化はコンプライアンスの努力を積み重ね、インシデントトトレーサビリティを曖昧にする。 本稿では,UGAF-ITSについて紹介する。UGAF-ITSは,再現可能な5相クロスウォーク手法により,3つの手段からの154のソース義務を,8つのガバナンス領域にわたって12の統一的なコントロールに統合する標準調和フレームワークである。 3層運用モデルでは、各制御を車両、エッジ、またはクラウド層に割り当てる。 20バージョンのアーティファクトのエビデンスバックボーンは、コンテンツを重複することなく、3つのフレームワークすべてにわたって単一の監査パッケージをサポートする。 アーキテクチャ的に異なる4つのデプロイメントシナリオで評価されたオープンソースのガバナンスエンジンを通じて、UGAF-ITSを検証する。 エンジンは完全な横断歩道カタログを符号化し、8つのコンプライアンス計算を実行する。 3層配置は平均91.7%のフレームワークカバレッジを達成し、45.9%のエビデンス削減、完全な双方向トレーサビリティ、および3つのフレームワークを同時に提供するアーティファクトの80%を達成している。 部分的なデプロイメントは、アーキテクチャの複雑さを伴うカバレッジとスケール削減という、優雅に低下します。 ツール、シナリオ、レポートされた結果はすべて、独立レプリケーション用に公開されている。

関連論文リスト

• TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
  大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。 TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。 我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
  論文  参考訳（メタデータ） (2026-04-29T19:32:58Z)
• Data Engineering Patterns for Cross-System Reconciliation in Regulated Enterprises: Architecture, Anomaly Detection, and Governance [0.0]
  本稿では,ベンダーニュートラルな4層データアーキテクチャであるGERAフレームワークを紹介する。 アーキテクチャは、現在のデータプラットフォームで一般的なマルチレイヤパターンに従って、4つのレイヤ(インジェクション、ステージング、コアモデル、セマンティックサービス)にまたがる。
  論文  参考訳（メタデータ） (2026-04-16T15:02:39Z)
• Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
  エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。 Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。 すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
  論文  参考訳（メタデータ） (2026-04-07T17:43:18Z)
• RAD-AI: Rethinking Architecture Documentation for AI-Augmented Ecosystems [1.2744523252873352]
  AIが強化されたエコシステムは、スマートシティ、自律型フリート、インテリジェントプラットフォームのためのアーキテクチャ標準になりつつある。 しかし、実践者が依存するアーキテクチャ文書フレームワークであるarc42とC4モデルは決定論的ソフトウェアのために設計された。 RAD-AIは、ARC42を8つのAI固有のセクションで拡張し、C4を3つのダイアグラム拡張で拡張する後方互換性のある拡張フレームワークである。
  論文  参考訳（メタデータ） (2026-03-30T17:48:56Z)
• Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
  我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。 内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-03-13T20:44:15Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
  OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。 我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。 我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
  論文  参考訳（メタデータ） (2025-08-07T17:54:15Z)

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。