論文の概要: Pedestrians play chicken with an autonomous vehicle

• arxiv url: http://arxiv.org/abs/2604.24384v1
• Date: Mon, 27 Apr 2026 12:16:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.986621
• Title: Pedestrians play chicken with an autonomous vehicle
• Title（参考訳）: 歩行者は自動運転車で鶏を遊ぶ
• Authors: Rakshit Soni, Charles Fox,
• Abstract要約: ゲーム理論のシークエンシャルチキンモデルでは、人間のドライバーと同様に、AVは衝突の信頼性の高い脅威や、遅延による時間的価値に対する個人空間の深刻な侵入のリスクを交換することで、この問題を解決できることが示されている。 実験条件下での歩行者の挙動は, 衝突の時間的価値が低いシークエンシャル・チキンにより良好に調整できることが示唆された。
• 参考スコア（独自算出の注目度）: 1.5469452301122175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated vehicles (AVs) are commonly programmed to yield unconditionally to pedestrians in the interest of safety. However, this design choice can give rise to the Freezing Robot Problem in which pedestrians learn to assert priority at every interaction, causing vehicles to stall and make no progress. The game theoretic Sequential Chicken model has shown that, like human drivers, AVs can resolve this problem by trading credible threats of very small risks of collision or larger risks of less severe invasion of personal space against the value of time due to yielding delays. This paper presents the first demonstration and evaluation of this approach using a real AV with human subjects and shows that pedestrian behavior under experimentally constrained safety conditions can be well fitted by Sequential Chicken, with a low time value of collision, suggestive of their planning to avoid proxemic personal space penalties as well as actual collisions.
• Abstract（参考訳）: 自動走行車(AV)は、安全のために歩行者に無条件で届けるプログラムが一般的である。 しかし、この設計選択は、歩行者があらゆる相互作用において優先事項を主張することを学び、車両が停止し、進歩しないというフリーズロボット問題を引き起こす可能性がある。 ゲーム理論のシークエンシャル・チキンモデルでは、人間のドライバーと同様に、AVは衝突の非常に小さなリスクの信頼性の高い脅威や、遅延による時間的価値に対する個人空間の深刻な侵入のリスクの大きい脅威を取引することで、この問題を解決できることが示されている。 本稿では,人体を用いた実AVによる本手法の最初の実演と評価を行い,実験的に制約された安全条件下での歩行者行動が,衝突の時間的価値の低いシークエンシャル・チキンにより良好に適応可能であることを示す。

関連論文リスト

• Autonomous Vehicle Collision Avoidance With Racing Parameterized Deep Reinforcement Learning [73.88859384645264]
  道路交通事故は世界中の交通事故の主な原因である。 米国では、人間のエラーが94%のクラッシュを引き起こし、7000人以上の歩行者が死亡し、年間500億ドルのコストがかかる。 本稿では,Dreep Reinforcement Learning (DRL) 衝突回避政策のアウト・オブ・ディストリビューションをパラメータ化する。 2つのポリシーが評価され、デフォルトのユニディレクションと、他の車と反対方向にナビゲートする逆方向のバリエーションが評価される。
  論文  参考訳（メタデータ） (2026-04-17T21:11:39Z)
• Risk Estimation for Automated Driving [0.9376581451563295]
  自動運転では、リスクは2つの側面によって特徴づけられる。 不確実性は一般的に、衝突に近い事象の危険をゼロにする。 既存のアプローチでは、経験的モデリングや厳密な近似に頼ってリスクを計算する。 本稿では,衝突確率推定の最近の進歩と衝突重大度の概念を組み合わせて,正確なリスク推定のための一般的な手法を開発する。
  論文  参考訳（メタデータ） (2026-01-21T14:14:50Z)
• Realistic adversarial scenario generation via human-like pedestrian model for autonomous vehicle control parameter optimisation [3.1203011162495997]
  公道での直接テストは、稀だが重要な相互作用に対して費用がかかり、安全ではない。 シミュレーションベースのテストでは、安全限界を探索するために敵シナリオが広く使用されている。 本稿では,認知にインスパイアされた歩行者モデルを用いた代替手法を提案する。
  論文  参考訳（メタデータ） (2026-01-05T13:10:32Z)
• CRASH: Challenging Reinforcement-Learning Based Adversarial Scenarios For Safety Hardening [16.305837225117607]
  本稿では, CRASH - Challenging Reinforcement-learning based Adversarial scenarios for Safety Hardeningを紹介する。 第1のCRASHは、Ego車両との衝突を自動的に誘導するために、AVシミュレータ内のNon Player Character(NPC)エージェントを制御することができる。 我々はまた、敵エージェントに対する改善シナリオをシミュレートすることで、運動プランナーを反復的に洗練する安全硬化という新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-26T00:00:27Z)
• 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)
• 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)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• A novel method of predictive collision risk area estimation for proactive pedestrian accident prevention system in urban surveillance infrastructure [6.777019450570473]
  道路交通事故は、人間の生活に深刻な脅威をもたらし、早期死亡の主な原因となっています。 歩行者の衝突を予防するためのブレークスルーは、CCTVなどの視覚センサに基づいて歩行者の潜在的なリスクを認識することです。 本研究では,無信号横断歩道における衝突リスク領域推定システムを提案する。
  論文  参考訳（メタデータ） (2021-05-06T10:29:44Z)

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。