Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Argus: Resilience-Oriented Safety Assurance Framework for End-to-End ADSs

Created by
  • Haebom
Category
Empty

저자

Dingji Wang, You Lu, Bihuan Chen, Shuo Hao, Haowen Jiang, Yifan Tian, Xin Peng

개요

본 논문은 엔드 투 엔드 자율 주행 시스템(ADS)의 안전성을 향상시키기 위한 런타임 탄력성 프레임워크인 Argus를 제안합니다. Argus는 ADS가 생성한 궤적을 지속적으로 모니터링하여 잠재적인 위험을 감지하고, 위험하다고 판단될 경우 안전 조치를 취합니다. TCP, UniAD, VAD 등 세 가지 최첨단 ADS에 Argus를 통합한 결과, Argus는 ADS의 안전성을 효과적으로 향상시키고, 주행 점수를 최대 150.30%까지 개선하며, 위반 행위를 최대 64.38%까지 감소시키는 것으로 나타났습니다.

시사점, 한계점

•
시사점:
◦
자율 주행 시스템의 안전성 향상에 기여.
◦
잠재적인 위험 상황에 대한 실시간 감지 및 대응 능력 제공.
◦
다양한 ADS 아키텍처에 적용 가능.
◦
주행 점수 및 위반 행위 감소를 통해 성능 향상 입증.
•
한계점:
◦
논문에서 구체적인 위험 감지 메커니즘이나 안전 조치 방법에 대한 자세한 설명 부족.
◦
특정 ADS 아키텍처에 대한 최적화 여부, 그리고 다른 아키텍처에 대한 일반화 가능성에 대한 추가 연구 필요.
◦
시간 오버헤드가 적다는 점을 강조하지만, 실제 시스템에서의 성능 저하 가능성은 추가적인 분석이 필요.
👍
Made with Slashpage