論文の概要: When Stopping Fails: Rethinking Minimal Risk Conditions through Human-Interactive Autonomous Driving for Safe Transportation Systems
- arxiv url: http://arxiv.org/abs/2606.29115v1
- Date: Sat, 27 Jun 2026 23:48:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.793777
- Title: When Stopping Fails: Rethinking Minimal Risk Conditions through Human-Interactive Autonomous Driving for Safe Transportation Systems
- Title（参考訳）: 安全交通システムのための人間間自律運転による最小リスク条件の再考
- Abstract要約: 現実のデプロイメントでは、人力による道路システムへの安全な統合が保証されないことが示されています。
本稿では,AV停止行動と人間とAVの相互作用障害に関する公開文書の分析を行った。
- 参考スコア（独自算出の注目度）: 1.8301110049931555
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous vehicles (AVs) are increasingly deployed in urban environments, yet their safety frameworks remain primarily designed around collision avoidance and minimal risk condition (MRC) behaviors such as slowing or stopping when uncertainty arises. Although effective in reducing immediate crash risk, real-world deployments indicate that stopping alone does not guarantee safe integration into human-governed roadway systems. Incidents reported by municipalities and public records show that AV fallback behaviors can obstruct traffic, interfere with emergency response operations, and create accessibility challenges for passengers and pedestrians. This paper presents an analysis of publicly documented incidents involving AV stopping behavior and human-AV interaction failures. We categorize these incidents according to limitations in perception, planning, and control within current AV architectures. Using this taxonomy, we identify key gaps in existing safety paradigms, particularly the lack of mechanisms for interpreting human authority, responding to multimodal instructions, and adapting to dynamic, socially regulated traffic conditions. We then review emerging research directions that support human-interactive perception, language-grounded and accessibility-aware planning, and assisted control through remote guidance and teleoperation. The analysis highlights the need to augment current AV safety frameworks with capabilities that enable cooperative interaction with human agents and infrastructure. These findings suggest that reliable urban deployment of AVs requires moving beyond passive fallback strategies toward human-interactive autonomy.
- Abstract（参考訳）: 自律走行車(AV)は都市環境にますます配備されているが、その安全性の枠組みは主に衝突回避と、不確実性発生時の減速や停止のような最小限の危険条件(MRC)の行動を中心に設計されている。
即時的な衝突リスクの低減には有効だが、現実のデプロイメントでは、停止だけでは、人力による道路システムへの安全な統合が保証されないことを示している。
自治体や公共記録によって報告された出来事は、AVのフォールバック行動が交通を妨害し、緊急対応の操作を妨害し、乗客や歩行者にアクセシビリティーの課題を生じさせることを示している。
本稿では,AV停止行動と人間とAVの相互作用障害に関する公開文書の分析を行った。
これらのインシデントは、現在のAVアーキテクチャにおける知覚、計画、制御の限界に応じて分類する。
この分類法を用いて、既存の安全パラダイムにおける重要なギャップ、特に、人間の権威を解釈するメカニズムの欠如、マルチモーダルな指示への対応、動的で社会的に規制された交通条件への適応を識別する。
次に,人間の対話的知覚,言語とアクセシビリティを考慮した計画,遠隔指導と遠隔操作による制御を支援する新たな研究方向について検討する。
この分析は、人間のエージェントやインフラとの協調的なインタラクションを可能にする機能によって、現在のAV安全フレームワークを強化する必要性を強調している。
これらの結果から, AVの信頼性の高い都市展開には, 受動的フォールバック戦略を超えて, 対人自律へ移行する必要があることが示唆された。
関連論文リスト
- World Engine: Towards the Era of Post-Training for Autonomous Driving [63.61277741443647]
実世界のログから高忠実度インタラクティブ環境を再構築する生成フレームワークであるWorld Engineを紹介する。
World Engineは、稀な安全クリティカルなシナリオにおける障害を大幅に削減し、事前トレーニングデータのみをスケールするよりもはるかに大きな利益をもたらす。
プロダクションスケールの自動運転システムにデプロイすると、結果として、シミュレートされた衝突を減らすことができる。
論文 参考訳（メタデータ） (2026-06-18T06:28:33Z) - GuardAD: Safeguarding Autonomous Driving MLLMs via Markovian Safety Logic [51.85782253444399]
MLLM(Multimodal large language model)は、自律運転システムに統合されつつある。
それらは、特に事故を起こしやすいシナリオにおいて、多様な安全上の脅威に弱いままである。
我々は,AD安全性を進化するマルコフ論理状態として定式化するモデル非依存型安全ガードであるGardadを提案する。
論文 参考訳（メタデータ） (2026-05-11T11:28:03Z) - Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses [168.50301366360344]
Embodied AI (Embodied AI) は、知覚、認知、計画、相互作用を、安全クリティカルな環境で機能するエージェントに統合する。
デジタルAIシステムとは異なり、エンボディエージェントは不確実な検知、不完全な知識、動的な人間とロボットの相互作用の下で行動しなければならない。
この調査は、エンボディされたAIにおける安全性研究の包括的なレビューを提供し、完全なエンボディされたパイプラインにわたる攻撃と防御を調査している。
論文 参考訳（メタデータ） (2026-03-28T13:21:44Z) - CANGuard: A Spatio-Temporal CNN-GRU-Attention Hybrid Architecture for Intrusion Detection in In-Vehicle CAN Networks [0.7919969809015935]
Internet of Vehicles (IoV) はスマートトランスポートシステムにおいて重要なコンポーネントとなり、車両とインフラ間のシームレスな相互作用を可能にしている。
本稿では,CNN,Gated novel Recurrent Units(RUG)と,そのような攻撃を効果的に識別するための注意機構を組み合わせたディープラーニングアーキテクチャであるCANGuardを提案する。
提案手法は,現代のIoV環境において,実用的でスケーラブルなセキュリティ強化の可能性を示すものである。
論文 参考訳（メタデータ） (2026-03-26T03:49:04Z) - Toward Safety-First Human-Like Decision Making for Autonomous Vehicles in Time-Varying Traffic Flow [19.366456768621365]
このフレームワークは、他の道路利用者の意図推論のための空間的注意(S-TA)機構、行動規制のための社会的コンプライアンス推定モジュール、Deep Evolutionary Reinforcement Learning(DERL)モデルを統合する。
SF-HLDMフレームワークは、自律運転AIエージェントが決定パラメータを動的に調整し、安全マージンを維持し、文脈的に適切な運転行動に固執することを可能にする。
論文 参考訳（メタデータ） (2025-06-17T13:28:19Z) - D4+: Emergent Adversarial Driving Maneuvers with Approximate Functional Optimization [3.763470738887407]
我々は、自動運転車と相互作用する悪意のあるドライバーの影響を特定するために、形式的な手法でシナリオベースのフレームワークを実装した。
われわれの結果は、悪質なドライバーが現代の車両の自律的機能を利用するのを防ぐ安全な運転行動の範囲をデザイナーが特定するのに役立つ。
論文 参考訳（メタデータ） (2025-05-20T05:22:03Z) - SafeCast: Risk-Responsive Motion Forecasting for Autonomous Vehicles [12.607007386467329]
リスク応答型モーション予測モデルであるSafeCastを提案する。
安全を意識した意思決定と不確実性を意識した適応性を統合する。
我々のモデルは、軽量なアーキテクチャと低推論レイテンシを維持しながら、最先端(SOTA)の精度を実現する。
論文 参考訳（メタデータ） (2025-03-28T15:38:21Z) - 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) - 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) - AccidentGPT: Accident Analysis and Prevention from V2X Environmental
Perception with Multi-modal Large Model [32.14950866838055]
AccidentGPTは総合的な事故解析とマルチモーダル大模型の予防である。
自律走行車では、車両を制御し衝突を避けるための総合的な環境認識と理解を提供する。
人間の運転する車には、プロアクティブな長距離安全警告と盲点警告を提供します。
我々のフレームワークは、歩行者、車両、道路、環境を含む交通安全のインテリジェントでリアルタイムな分析を支援する。
論文 参考訳（メタデータ） (2023-12-20T16:19:47Z) - 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) - Analyzing vehicle pedestrian interactions combining data cube structure
and predictive collision risk estimation model [5.73658856166614]
本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。
本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
論文 参考訳（メタデータ） (2021-07-26T23:00:56Z)
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。