Autonomous Vehicle Safety Assessment with Fully Quantified ODDs
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
<div class="section abstract"><div class="htmlview paragraph">We are in the midst of a vehicle safety revolution. Current vehicle safety standards, best practices, and approaches are not adequate to ensure the safety of an Automated Vehicle (AV), the motoring public, and vulnerable road users. Continued application of these nascent technologies prompts the question: How safe is safe enough and how do we know that these systems can handle inherent risks of a given deployment area? Current practices are very focused on vehicle safety elements. In fact, there is currently only one published safety standard, specifically for AVs [<span class="xref">1</span>], though there are instances where some vehicle system safety standards are being adapted for AV application and some safety standards from other industries (e.g. aerospace and nuclear) are being considered. Specific guidelines for AV safety metrics and AV safety performance are currently in the development stages and once published will require time to be fully understood, thresholds defined, and data collected and accepted by the AV community. A holistic approach to safety that considers all aspects of a safe AV deployment beyond increasing levels of vehicle technology is crucial. Included in this holistic approach, as a foundational element, is a fundamentally new way of assessing and quantifying risks within the Operational Design Domain (ODD). This is produced by breaking down the risk of a given ODD as a sum over the risk of component scenarios which make up the ODD. This means ODDs are fully specified and not defined by subjective assumptions. With no single standard, best practice, or guideline that covers AV safety in a holistic manner, an assessment process including a fully quantified ODD is seen as the most effective way to cover all aspects of safety, including the environment, management practices, and the vehicles.</div></div>
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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