ترجمه فارسی مقاله S-RAF: چارچوب ارزیابی استحکام مبتنی بر شبیه سازی برای رانندگی خودمختار مسئولانه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی S-RAF: A Simulation-Based Robustness Assessment Framework for Responsible Autonomous Driving
عنوان مقاله به فارسی S-RAF: چارچوب ارزیابی استحکام مبتنی بر شبیه سازی برای رانندگی خودمختار مسئولانه
نویسندگان Daniel Omeiza, Pratik Somaiya, Jo-Ann Pattinson, Carolyn Ten-Holter, Jack Stilgoe, Marina Jirotka, Lars Kunze
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Robotics,Artificial Intelligence,Computer Vision and Pattern Recognition,Computers and Society,Machine Learning,روباتیک , هوش مصنوعی , چشم انداز رایانه و تشخیص الگوی , رایانه ها و جامعه , یادگیری ماشین ,
توضیحات Submitted 16 August, 2024; originally announced August 2024.
توضیحات به فارسی ارائه شده 16 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

As artificial intelligence (AI) technology advances, ensuring the robustness and safety of AI-driven systems has become paramount. However, varying perceptions of robustness among AI developers create misaligned evaluation metrics, complicating the assessment and certification of safety-critical and complex AI systems such as autonomous driving (AD) agents. To address this challenge, we introduce Simulation-Based Robustness Assessment Framework (S-RAF) for autonomous driving. S-RAF leverages the CARLA Driving simulator to rigorously assess AD agents across diverse conditions, including faulty sensors, environmental changes, and complex traffic situations. By quantifying robustness and its relationship with other safety-critical factors, such as carbon emissions, S-RAF aids developers and stakeholders in building safe and responsible driving agents, and streamlining safety certification processes. Furthermore, S-RAF offers significant advantages, such as reduced testing costs, and the ability to explore edge cases that may be unsafe to test in the real world. The code for this framework is available here: https://github.com/cognitive-robots/rai-leaderboard

چکیده به فارسی (ترجمه ماشینی)

به عنوان پیشرفت فن آوری هوش مصنوعی (AI) ، اطمینان از استحکام و ایمنی سیستم های AI محور بسیار مهم است.با این حال ، برداشت های مختلف از استحکام در بین توسعه دهندگان هوش مصنوعی معیارهای ارزیابی نادرست ایجاد می کند و ارزیابی و صدور گواهینامه سیستم های هوش مصنوعی با ایمنی و پیچیده مانند عوامل رانندگی خودمختار (AD) را پیچیده می کند.برای پرداختن به این چالش ، ما چارچوب ارزیابی استحکام مبتنی بر شبیه سازی (S-RAF) را برای رانندگی خودمختار معرفی می کنیم.S-RAF از شبیه ساز رانندگی کارلا برای ارزیابی دقیق عوامل تبلیغاتی در شرایط متنوع ، از جمله سنسورهای معیوب ، تغییرات محیطی و موقعیت های پیچیده ترافیک استفاده می کند.با کمیت استحکام و ارتباط آن با سایر عوامل مهم ایمنی ، مانند انتشار کربن ، توسعه دهندگان S-RAF ایدز و ذینفعان در ساخت عوامل محرک ایمن و مسئول و ساده سازی فرآیندهای صدور گواهینامه ایمنی.علاوه بر این ، S-RAF مزایای قابل توجهی مانند کاهش هزینه های آزمایش و امکان کشف موارد لبه ای را که ممکن است برای آزمایش در دنیای واقعی ناامن باشد ، ارائه می دهد.کد این چارچوب در اینجا موجود است: https://github.com/cognitive-robots/rai-leaderboard

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.