Fugu-MT 論文翻訳(概要): Using Automated Vehicles Operational Data to Confirm Safety and Anticipate Threats

論文の概要: Using Automated Vehicles Operational Data to Confirm Safety and Anticipate Threats

arxiv url: http://arxiv.org/abs/2609.11549v1
Date: Thu, 10 Sep 2026 13:42:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.374547
Title: Using Automated Vehicles Operational Data to Confirm Safety and Anticipate Threats
Title（参考訳）: 自動運転車の運転データによる安全確認と脅威予測
Abstract要約: この枠組みは、国連欧州経済委員会(UNECE)レベルで開発されたベストプラクティスにインスパイアされている。現実世界のデータ収集により、有能な安全当局がホモログの安全目標を確認するために必要な情報を収集できるようになる。
参考スコア（独自算出の注目度）: 0.7927219209298788
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: European Union (EU) policymakers adopted revolutionary data collection provisions for Automated Driving Systems (ADS) in the recently approved regulation that allows driverless vehicles to be operated on public roads. The framework is inspired by best practices developed at the United Nations Economic Commission for Europe(UNECE) level: the In-Service Monitoring and Reporting (ISMR); and by similar operational data collection regulatory approaches in nuclear energy production and transportation fields. The collection of real-world data will enable the competent safety authorities to gather the information needed to confirm the homologation safety target. Safety-relevant driving scenarios discovered during the real-world operation of a given ADS can also be stored in a scenario catalogue to investigate how other ADS types might have addressed such a traffic conflict. Moreover, lessons learnt deriving from the data collected can be shared among original equipment manufacturers (OEMs) and safety authorities. Ultimately, the ISMR is recognised as a necessary tool to properly tackle the challenges associated with ADS safety assessment given the number of unknowns that might remain undisclosed by leveraging the traditional homologation validation scheme only.
Abstract（参考訳）: 欧州連合(EU)の政策立案者は、自動運転システム(ADS)のための革命的なデータ収集条項を、最近承認された規制で採用した。この枠組みは、国連欧州経済委員会(UNECE)レベルで開発されたベストプラクティス、ISMR(In-Service Monitoring and Reporting)、原子力発電および輸送分野における同様の運用データ収集規制アプローチにインスパイアされている。現実世界のデータ収集により、有能な安全当局がホモログの安全目標を確認するために必要な情報を収集できるようになる。与えられたADSの実際の運用中に発見された安全関連運転シナリオは、他のADSタイプがこのような交通紛争にどのように対処したかを調べるためのシナリオカタログに格納することもできる。また、収集したデータから学んだ教訓は、元の機器メーカー(OEM)と安全当局の間で共有することができる。最終的に、ISMRは、従来のホモログ検証スキームのみを活用することによって開示される可能性のある未知の数の数を考えると、ADSの安全性評価に関連する課題に適切に対処するために必要なツールとして認識されている。

関連論文リスト

Systematic Cybersecurity Risk Analysis of European Rail Traffic Management System [0.0]
欧州鉄道交通管理システム(英語: European Rail Traffic Management System、略称:ERTMS)は、欧州連合において広く採用されている統一列車管理システムである。本研究では,ERTMSのコンポーネントを体系的にモデル化し,そのセキュリティを基礎技術で特定された脅威に基づいて分析する。その結果,EDRTMSのセキュリティへのシフトが,可用性と安全な運用を確保する上で必要であることが示唆された。
論文参考訳（メタデータ） (2026-06-10T09:18:19Z)
Towards Verifiably Safe Tool Use for LLM Agents [53.55621104327779]
大規模言語モデル(LLM)ベースのAIエージェントは、データソース、API、検索エンジン、コードサンドボックス、さらにはその他のエージェントなどのツールへのアクセスを可能にすることで、機能を拡張する。 LLMは意図しないツールインタラクションを起動し、機密データを漏洩したり、クリティカルレコードを上書きしたりするリスクを発生させる。モデルベースセーフガードのようなリスクを軽減するための現在のアプローチは、エージェントの信頼性を高めるが、システムの安全性を保証することはできない。
論文参考訳（メタデータ） (2026-01-12T21:31:38Z)
OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
論文参考訳（メタデータ） (2025-10-28T13:22:39Z)
GOLIATH: A Decentralized Framework for Data Collection in Intelligent Transportation Systems [9.535698390424669]
GOLIATHはIn-Vehicle Infotainment (IVI)システム上で動作し、ネットワークの参加者間で交換されたリアルタイム情報を収集する分散フレームワークである。我々は,コミュニケーションの妨害や無効化を目的とした,現実的な敵の集合に対してレジリエントなコンセンサス機構を設計する。
論文参考訳（メタデータ） (2025-06-12T12:55:25Z)
SafeAgent: Safeguarding LLM Agents via an Automated Risk Simulator [77.86600052899156]
LLM(Large Language Model)ベースのエージェントは、現実のアプリケーションにますますデプロイされる。完全自動合成データ生成によるエージェント安全性を体系的に向上する最初のフレームワークであるAutoSafeを提案する。 AutoSafeは安全性のスコアを平均で45%向上させ、現実世界のタスクでは28.91%の改善を実現している。
論文参考訳（メタデータ） (2025-05-23T10:56:06Z)
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)
VMGuard: Reputation-Based Incentive Mechanism for Poisoning Attack Detection in Vehicular Metaverse [52.57251742991769]
車両メタバースガード(VMGuard)は、車両メタバースシステムをデータ中毒攻撃から保護する。 VMGuardは、参加するSIoTデバイスの信頼性を評価するために、評判に基づくインセンティブメカニズムを実装している。当社のシステムは,従来は誤分類されていた信頼性の高いSIoTデバイスが,今後の市場ラウンドへの参加を禁止していないことを保証します。
論文参考訳（メタデータ） (2024-12-05T17:08:20Z)
Usage Governance Advisor: From Intent to AI Governance [4.49852442764084]
AIシステムの安全性を評価することは、それらをデプロイする組織にとって、厳しい関心事である。本稿では,半構造化ガバナンス情報を作成するユーザガバナンスアドバイザを提案する。
論文参考訳（メタデータ） (2024-12-02T20:36:41Z)
VINCY: A Smart-contract based Data Integrity and Validation Tooling for Automated Vehicle Incident Investigation [1.9624273277521183]
本稿では,道路試験における自動車両事故調査のためのスマートコントラクトに基づくデータ整合性検証ツールを提案する。調査員が使用するデータは正確で、その完全性を維持する必要がある。
論文参考訳（メタデータ） (2023-11-22T22:47:15Z)
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)
CyRes -- Avoiding Catastrophic Failure in Connected and Autonomous Vehicles (Extended Abstract) [5.382679710017696]
本稿では,運用型サイバーレジリエンス手法であるCyResを紹介する。 CyResの方法論自体は、裁判所や公的に指名された規制当局によってテストすることができる。オペレータがどのエビデンスを生成すべきかを理解し、そのエビデンスの品質を計測できるように設計されている。
論文参考訳（メタデータ） (2020-06-26T09:59:52Z)

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。