抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
高度な機械学習技法によって制御された自律車両は,人気においてかなり獲得されている。しかし,このような車両で現在使用されている安全工学実践は,AI技術が信頼と信頼性の指定レベルによって不安全状況を防止することを正当化できない。1つの関連課題は,安全保証のためのテストセットを導出するとき,自律車両が相互作用しなければならないという永続的に変化する環境である。結果として,自律車両をテストするための一般的アプローチは,シナリオを試験して,サービスのシステムレベル品質を評価するために,それらを被ることを含む。このようなシステムレベル試験手法は存在するが,プロトタイプと概念レベルでのみ,これらのアプローチは複雑なシステムレベルトラフィックシナリオと関連カバレッジ基準を扱うことができない。(1)自律車両試験のための抽象範囲判定基準として状況カバレッジを定義する,(2)既存のシミュレーションツールによって得た既存の試験スイートの状態範囲の評価,(3)出力として状況カバレッジの増加による試験シナリオを提供する試験セット生成アプローチを提案することにより,この課題に取り組むための計画を計画する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】