論文の概要: MakSafe: A Spatiotemporal Semantic Framework for Formal Specification and Compliance Checking of Road Vehicle Safety Rules
- arxiv url: http://arxiv.org/abs/2610.19735v1
- Date: Wed, 14 Oct 2026 07:56:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.025796
- Title: MakSafe: A Spatiotemporal Semantic Framework for Formal Specification and Compliance Checking of Road Vehicle Safety Rules
- Title（参考訳）: MakSafe: 自動車安全規則の形式的仕様とコンプライアンスチェックのための時空間的セマンティックフレームワーク
- Abstract要約: MakSafeは、車両の安全ルールを特定し、チェックするためのフレームワークである。
我々は、ネットワーク、車両状態、ゾーン、占有を形式化し、その上で、前車両識別のための実行可能なルールを構築します。
MakSafeはブランチ固有の判断を出力し、同じ初期シーンから安全で安全でない結果を得る。
- 参考スコア（独自算出の注目度）: 0.8049701904919515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scenario-based validation is essential for automated road vehicles but cannot cover the full variability of openworld traffic. We present MakSafe, a formal spatiotemporal framework for specifying and checking road vehicle safety rules through semantic zones, action-based forecasting, and trace-tree reasoning, avoiding uniform time discretization. We formalize the road network, vehicle states, and occupancy zones, then build executable rules for front-vehicle identification and timeto-collision (TTC) verification. The evaluation combines a tracedependent case study with a scalability benchmark over traffic density (N ), horizon (H), and branch factor (B). MakSafe yields branch-specific verdicts, deriving safe and unsafe outcomes from the same initial scene, and re-evaluates a scenario after a control update. A single rule check stays well below a millisecond across the reported sweep, and longer horizons slow the TTC check.
- Abstract（参考訳）: シナリオベースの検証は、自動走行車には不可欠であるが、オープンワールドトラフィックの完全な変動をカバーできない。
本稿では,道路の安全ルールをセマンティックゾーン,アクションベース予測,トレースツリー推論を通じて特定・確認するための公式な時空間フレームワークであるMakSafeについて述べる。
道路網,車両状態,占有領域を定式化し,前車両識別とTTC(Timeto-Collision)検証のための実行ルールを構築する。
この評価は,交通密度 (N), 地平線 (H), 分岐係数 (B) に関する拡張性ベンチマークとトレース依存ケーススタディを組み合わせたものである。
MakSafeはブランチ固有の判断を出力し、同じ初期シーンから安全で安全でない結果を取得し、コントロール更新後にシナリオを再評価する。
単一のルールチェックは報告されたスイープで1ミリ秒以下に留まり、長い水平線はTTCチェックを遅くする。
関連論文リスト
- AutoAgent0: An Agentic Runtime for Safe Closed-Loop Driving [61.924851163300076]
エージェントランタイムとハーネスフレームワークであるAutoAgent0を導入し、既存の運転専門家に補完的な検出スキル、ルールベースのアクション検証、フィードバック駆動リカバリを付加する。
長距離および安全クリティカルシナリオにおけるシングルエキスパート実行に対する閉ループロバスト性の向上を実証した。
論文 参考訳（メタデータ） (2026-10-13T17:59:50Z) - TrafficSignBench: Rule-Centric Closed-Loop Evaluation of Traffic-Sign Compliance in Autonomous Driving [3.521735747404892]
本稿では,自動運転におけるトラヒックルールコンプライアンス評価のための大規模ベンチマークであるTrafficSignBenchを紹介する。
本フレームワークは,現実的な道路レイアウトのための実地図に基づくシミュレーションと,ルール対象の手続きシナリオ生成を併用する。
我々は5,800のテストシーンを構築し、現在の自動運転プランナーが交通ルールの遵守に乏しいことを実証した。
論文 参考訳（メタデータ） (2026-09-29T19:52:48Z) - Collision Snapshot Guided Time-Reversed Safety-Critical Scenario Generation [2.7044962986457945]
アンダーライン・アンダーライン・アンダーライン アンダーライン・アンダーライン・リバース・セーフティ・クリティカル・シナリオ・ジェネレーション (COSTER) について紹介する。
COSTERは、学習前のトラフィックを活用して、妥当な衝突時間と位置を決定するフレームワークである。
実験の結果、COSTERは既存の手法よりも可視性、多様性、データ効率が優れていることがわかった。
論文 参考訳（メタデータ） (2026-09-06T07:18:07Z) - Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models [45.08545174556591]
マルチエージェントトランスを用いた教師なし異常検出フレームワークを提案する。
検出安定性と物理的アライメントの両方を評価するための二重評価手法が提案されている。
本フレームワークでは,時間対衝突および統計ベースラインに欠落した388個の特異な異常を同定する。
論文 参考訳（メタデータ） (2026-01-28T08:33:10Z) - LSM: A Comprehensive Metric for Assessing the Safety of Lane Detection Systems in Autonomous Driving [0.5326090003728084]
本研究では,車線検出システムの安全性を評価するため,車線安全基準(LSM)を提案する。
道路タイプや道路幅を考慮したシーンのセマンティクスなどの付加的要因を車線検出の評価に考慮すべきである。
我々は,異なるレーン検出手法を用いて,様々な仮想シナリオにおけるオフライン安全基準を評価し,最先端のパフォーマンス指標と比較した。
論文 参考訳（メタデータ） (2024-07-10T15:11:37Z) - QuAD: Query-based Interpretable Neural Motion Planning for Autonomous Driving [33.609780917199394]
自動運転車は環境を理解して適切な行動を決定する必要がある。
従来のシステムは、シーン内のエージェントを見つけるためにオブジェクト検出に依存していた。
我々は、最初に占有する時間的自律性を知覚するカスケードモジュールから遠ざかる、統一的で解釈可能で効率的な自律フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-01T21:11:43Z) - Provable Traffic Rule Compliance in Safe Reinforcement Learning on the Open Sea [8.017543518311196]
強化学習(Reinforcement Learning, RL)は、自動運転車の運動計画を見つけるための有望な方法である。
提案手法は,時間論理仕様をRLに組み込むことにより,規則遵守の保証を実現する。
重要な海上交通状況に関する数値的な評価では、我々のエージェントは常に形式化された法規に準拠し、決して衝突しない。
論文 参考訳（メタデータ） (2024-02-13T14:59:19Z) - CAT: Closed-loop Adversarial Training for Safe End-to-End Driving [54.60865656161679]
Adversarial Training (CAT) は、自動運転車における安全なエンドツーエンド運転のためのフレームワークである。
Catは、安全クリティカルなシナリオでエージェントを訓練することで、運転エージェントの安全性を継続的に改善することを目的としている。
猫は、訓練中のエージェントに対抗する敵シナリオを効果的に生成できる。
論文 参考訳（メタデータ） (2023-10-19T02:49:31Z) - DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。
運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。
我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文 参考訳（メタデータ） (2023-10-03T10:10:42Z) - 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) - Towards formalization and monitoring of microscopic traffic parameters
using temporal logic [1.3706331473063877]
本稿では,形式言語Signal Temporal Logicを用いた交通ネットワーク解析のための仕様ベースのモニタリング手法を提案する。
我々は、速度制限に適合し、適切な進路を維持するなど、安全関連行動を特定するモニターを開発する。
この作業は交通管理センターがトラヒックストリーム特性を調査し、ハザードを特定し、トラヒック監視システムを自動化する上で貴重なフィードバックを提供するために利用することができる。
論文 参考訳（メタデータ） (2021-10-12T17:59:26Z)
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。