RSUを活用し、オフラインの強化学習を用いて、自動運転車の交差点通過時の安全性と効率性を向上させる。
既存の道路設計ガイドラインは人間の視覚システムを前提としているため、自動運転車の知覚システムには適合していない可能性がある。本研究では、自然な配置の日常的な道路脇オブジェクトを利用して、自動運転車の知覚システムを欺く攻撃シナリオを生成する手法を提案する。
本論文は、線形時間論理仕様に基づいて、異なるタイプのリスクを考慮しつつ、バランスの取れた意思決定を行う新しいリスク認識型の運転制御手法を提案する。
自動運転車の合流時の安全性を確保するために、遠隔地の人間オペレーターによる監視が必要不可欠である。データ駆動型のシミュレーションにより、この監視体制の実現可能性と拡張性を明らかにした。
自動運転車の説明エラーは、利用者の自動運転車への信頼、依存、満足度、運転自信を低下させる。さらに、運転状況の危険性や難易度、利用者の事前の信頼や専門性も、これらの認知と行動に影響を及ぼす。
プロレーサーの運転技術と認知スキルを理解し、自律走行アルゴリズムの向上につなげる
クルーズ社の自動運転車が歩行者を引きずる事故では、センサー認識の限界、事故対応の不備、組織的な情報隠蔽など、自動運転システムの安全性向上に向けた多くの課題が明らかになった。
自動運転車プラトゥーンにおいて、先行車両の情報を複数利用するCACCプラスは、緊急ブレーキシナリオでの安全性を向上させる。
自動運転システムの運転設計領域、自動化レベル、技術的成熟度を統合的に評価する新しい分類法を提案する。
現実世界とインターフェースするセーフティクリティカルなシステムでは、意思決定における不確実性の役割が重要である。サイバーフィジカルシステムの安全な機能のためには、このような不確実性を巧みに管理することが不可欠である。本研究では、機械学習フレームワークを使用して車両の横方向制御システムの開発に焦点を当てている。具体的には、確率的学習モデルであるベイズ型ニューラルネットワーク(BNN)を採用し、不確実性の定量化に取り組む。この機能により、モデルの予測に対する信頼度または不確実性のレベルを評価することができる。