論文の概要: Mission-Level Runtime Assurance Framework for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2606.06996v1
• Date: Fri, 05 Jun 2026 07:35:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.61629
• Title: Mission-Level Runtime Assurance Framework for Autonomous Driving
• Title（参考訳）: 自律運転のためのミッションレベル実行保証フレームワーク
• Authors: Chieh Tsai, Salim Hariri,
• Abstract要約: 本稿では,高レベル運転コマンドが故障したり信頼性が低下した場合の自律運転のランタイム安全性について検討する。 車両の即時安全性に重点を置いている従来のランタイムセーフティアプローチとは異なり、提案手法は運転安全性と、コマンドの実行前にその車両がまだミッションを完了できるかどうかを評価できる。
• 参考スコア（独自算出の注目度）: 1.76179873429447
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper studies runtime safety for autonomous driving when high-level driving commands become faulty or unreliable. Unlike conventional runtime-safety approaches that mainly focus on immediate vehicle safety, the proposed framework evaluates both driving safety and whether the vehicle can still successfully complete its mission before a command is executed. The framework extends highway-env with mission-level fault scenarios such as skipping required checkpoints, entering restricted areas, and generating future routes that can no longer complete the mission successfully. A runtime monitoring system is introduced to detect and reject unsafe or mission-infeasible commands before execution. For comparison, an adapted Simplex-Drive runtime-safety baseline with learning-based driving control, safety fallback control, and runtime controller switching is implemented using the public Simplex-Drive framework. Experimental results show that platform-level runtime safety alone cannot detect mission-level planning faults, while the proposed framework successfully rejects mission-infeasible commands and improves mission success under randomized fault conditions.
• Abstract（参考訳）: 本稿では,高レベル運転コマンドが故障したり信頼性が低下した場合の自律運転のランタイム安全性について検討する。 車両の即時安全性に重点を置いている従来のランタイムセーフティアプローチとは異なり、提案手法は運転安全性と、コマンド実行前にその車両がまだミッションを完了できるかどうかを評価できる。 このフレームワークは、必要なチェックポイントをスキップしたり、制限されたエリアに入ったり、ミッションを完了できない将来のルートを生成するといった、ミッションレベルの障害シナリオによって、ハイウェイ環境を拡張している。 実行前に、安全でないコマンドやミッション不能なコマンドを検出して拒否するランタイム監視システムが導入される。 比較として、学習ベースの駆動制御、安全フォールバック制御、ランタイムコントローラ切り替えを備えたSimplex-Driveランタイムセーフティベースラインが、パブリックなSimplex-Driveフレームワークを使用して実装されている。 実験の結果, プラットフォームレベルの実行時の安全性だけではミッションレベルの計画上の障害は検出できないが, 提案手法はミッション非実現可能なコマンドを拒否し, ランダムな故障条件下でのミッション成功を改善する。

関連論文リスト

• Towards Safe Autonomous Driving: A Real-Time Motion Planning Algorithm on Embedded Hardware [1.5836913530330785]
  本稿では,フェール・オペレーショナル・自律運転のためのアクティブ・セーフティ・拡張に向けた第一歩を示す。 リアルタイムオペレーティングシステム(RTOS)を動作させる自動車グレードの組込みプラットフォーム上に,サンプリングベースの軌道プランナを配置する。 その結果、境界レイテンシと最小ジッタによる決定論的タイミング挙動が示され、安全確認可能なハードウェア上での軌道計画の有効性が検証された。
  論文  参考訳（メタデータ） (2026-01-07T13:14:41Z)
• RoboSafe: Safeguarding Embodied Agents via Executable Safety Logic [56.38397499463889]
  視覚言語モデル(VLM)を利用するエージェントは、複雑な現実世界のタスクを実行する能力がますます高まっている。 しかし、安全でない行動を引き起こす可能性のある危険な指示に弱いままである。 提案するRoboSafeは,実行可能述語ベースの安全ロジックを通じて,エージェントを具体化するためのランタイムセーフガードである。
  論文  参考訳（メタデータ） (2025-12-24T15:01:26Z)
• Failure Analysis of Safety Controllers in Autonomous Vehicles Under Object-Based LiDAR Attacks [0.0]
  本稿では,高速道路走行シナリオにおけるオブジェクトベースLiDAR攻撃時の安全制御装置の系統的故障解析について述べる。 その結果、LiDAR誘導の物体幻覚は、たとえ短い期間であっても、安全でないブレーキ、実際の危険に対する遅延反応、不安定な制御行動を引き起こすことが示されている。
  論文  参考訳（メタデータ） (2025-12-23T22:05:32Z)
• Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
  我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。 本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
  論文  参考訳（メタデータ） (2025-03-14T17:59:41Z)
• Rigorous Simulation-based Testing for Autonomous Driving Systems -- Targeting the Achilles' Heel of Four Open Autopilots [6.229766691427486]
  本稿では,シナリオを単純なものに分割した厳密なテスト手法を提案する。 クリティカルな状況において、車両をテスト対象とするクリティカルな構成のテストケースを生成します。 テストケースでは、Apollo、Autoware、CarlaとLGSVLのオートパイロットに重大な欠陥が見られる。
  論文  参考訳（メタデータ） (2024-05-27T08:06:21Z)
• 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)
• Evaluation of Safety Constraints in Autonomous Navigation with Deep Reinforcement Learning [62.997667081978825]
  学習可能なナビゲーションポリシとして,セーフとアンセーフの2つを比較します。 安全なポリシは、制約をアカウントに含めますが、もう一方はそうではありません。 安全政策は、よりクリアランスの高い軌道を生成することができ(障害物によらず)、全体的な性能を犠牲にすることなく、トレーニング中に衝突を減らすことができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T01:04:57Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)

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。