論文の概要: CoSafe: Cooperative Runtime Safety Assurance for Mixed-Traffic Autonomous Driving

• arxiv url: http://arxiv.org/abs/2611.06204v1
• Date: Wed, 04 Nov 2026 09:21:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.039714
• Title: CoSafe: Cooperative Runtime Safety Assurance for Mixed-Traffic Autonomous Driving
• Title（参考訳）: CoSafe: 混合交通自律運転における協調運転安全保証
• Abstract要約: CoSafeは、混合交通自動運転のための協調型ランタイム安全保証フレームワークである。 車両間通信(V2X)を使用して、道路のユニットがシーンレベルの危険を監視し、複数の車両を含む共同で危険を軽減できるようにする。 CoSafeはAVの駆動スコアを平均70.03%改善し、安全違反を87.80%削減し、F3スコア0.930で安全でないAVを正確に識別する。
• 参考スコア（独自算出の注目度）: 5.528669938767372
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of autonomous driving systems (ADSes), real-world roads are evolving into mixed-traffic environments where autonomous vehicles (AVs) and other traffic participants (e.g., human-driven vehicles (HDVs), cyclists, and pedestrians) coexist and interact with each other. However, current ADSes still incur various safety violations in mixed traffic scenarios, raising a strong demand for runtime safety assurance frameworks that can continuously monitor hazards and prevent potential violations. Existing ego-centric assurance approaches are insufficient for mixed traffic, where violations often arise from locally reasonable yet jointly incompatible decisions among multiple vehicles and cannot be reliably resolved through independent takeover. To bridge this gap, we propose CoSafe, a modular and ADS-agnostic cooperative runtime safety assurance framework for mixed-traffic autonomous driving to extend runtime safety assurance from ego-centric takeover to scene-level cooperative intervention. CoSafe leverages vehicle-to-everything (V2X) communication to enable roadside units (RSUs) to monitor scene-level hazards and jointly mitigate hazards involving multiple vehicles. We integrate CoSafe with seven state-of-the-art ADSes, and our evaluation on the InterDrive benchmark demonstrates that CoSafe improves the driving score of AVs by 70.03% on average, reduces safety violations by 87.80%, and accurately identifies unsafe AVs with an F3 score of 0.930, while satisfying real-time constraints.
• Abstract（参考訳）: 自動運転システム(ADSe)の急速な発展に伴い、現実の道路は、自動運転車(AV)と他の交通参加者(例えば、人力車両(HDV)、サイクリスト、歩行者)が共存し、相互に交流する混合交通環境へと進化している。 しかし、現在のADSは混合トラフィックのシナリオで様々な安全違反を発生させており、継続的にハザードを監視し、潜在的な違反を防止できるランタイム安全保証フレームワークへの強い需要を高めている。 既存のエゴ中心の保証アプローチは混在トラフィックには不十分であり、複数の車両間で局所的に合理的であり、共同で互換性のない決定から違反が発生することが多く、独立した乗っ取りによって確実に解決できない。 このギャップを埋めるために、我々は、エゴ中心の乗っ取りからシーンレベルの協調的介入までランタイム安全を保証するために、混合交通自律運転のためのモジュールおよびADS非依存の協調型ランタイム安全保証フレームワークであるCoSafeを提案する。 CoSafeはV2X通信を活用して、道路側ユニット(RSU)がシーンレベルのハザードを監視し、複数の車両に関わるハザードを共同で軽減できるようにする。 我々はCoSafeを最先端の7つのADSと統合し、InterDriveベンチマークによる評価により、CoSafeは平均で70.03%のAVの駆動スコアを改善し、安全違反を87.80%削減し、F3スコア0.930で安全でないAVを正確に識別し、リアルタイム制約を満たすことを示した。

関連論文リスト

• When Stopping Fails: Rethinking Minimal Risk Conditions through Human-Interactive Autonomous Driving for Safe Transportation Systems [1.8301110049931555]
  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。
  論文  参考訳（メタデータ） (2026-06-27T23:48:48Z)
• Formal Safety Guarantees for Autonomous Vehicles using Barrier Certificates [0.1019561860229868]
  この研究は、コネクテッド・アンド・オートマチック・ビークルズのための公式に認証された安全フレームワークを開発する。 Barrier(BC)と解釈可能なトラフィック競合メトリクス、特に時間対時間安全メトリクスを統合している。 このアプローチは、解釈可能な安全保証と証明可能な安全保証の両方を提供し、安全な自動運転のための実用的でスケーラブルな戦略を実証する。
  論文  参考訳（メタデータ） (2026-01-08T19:44:13Z)
• Argus: Resilience-Oriented Safety Assurance Framework for End-to-End ADSs [5.669068219648326]
  本稿では,運転の危険を軽減し,潜在的な安全違反を防止し,ADSの運転性能を向上させるための実行時レジリエンス指向フレームワークArgusを提案する。 我々はArgusを最先端の3つのADS、すなわちTCP、UniAD、VADと統合する。 評価の結果、ArgusはADSのレジリエンスを効果的かつ効率的に向上させ、ADSの駆動スコアを平均150.30%向上させ、違反の最大64.38%を防止し、時間的オーバーヘッドを少なく抑えることができた。
  論文  参考訳（メタデータ） (2025-11-12T06:29:18Z)
• Safe and Efficient CAV Lane Changing using Decentralised Safety Shields [2.07180164747172]
  レーン変更はコネクテッド・アンド・オートマチック・ビークル(CAV)の複雑な意思決定問題である 我々は、最適化とルールに基づく安全保証アプローチを組み合わせた分散ハイブリッド安全シールド(HSS)を提案する。 本手法は,CAVの縦方向および横方向の制御入力を拘束するために制御障壁関数を適用し,安全な操作を確実にする。
  論文  参考訳（メタデータ） (2025-04-30T09:11:09Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• 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)

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。