The Development of the Legal Framework for Autonomous Shipping: Lessons Learned from a Regulation for a Driverless Car
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article focuses on the regulation of maritime autonomous surface vessels from the perspective of international law of the sea. The article discusses on the possibility of developing a legal framework to regulate autonomous maritime navigation based on laws and regulation of autonomous driving of landed vehicles. The authors opine that existing legal framework does not conform to the goal of regulation of autonomous navigation. However, the regulation of autonomous car testing and exploitation could be imitated to design a new legal framework for autonomous shipping. Despite the divergent approaches, some principles remain in common particularly of cybersecurity and privacy. As computer systems are replacing the need of a master and crew for digitally managed ships, low level of cybersecurity implies an increase in risk of losing control over the vessel. The authors are of the opinion that that current legal acts, standards and their drafts do not pay necessary attention to the problem of cybersecurity of autonomous ships. Moreover, current legislations do not provide mechanisms of influence on behavior of shipowner and shipbuilder to make them apply the best measures. The similar situation is with privacy. Factually, an autonomous ship is a natural tool for surveillance, as to effectively navigate through the seas, it must collect and process information pertaining to navigational safety and other related matters. The question raises how this information has to be collected, kept, processed and deleted. Thus, the maritime community may consider adopting the approach on privacy from regulation for autonomous cars.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle