System Theoretic View on Uncertainties

要約

高度に自動化された運転に必要な動作環境と技術の複雑さは、前例のないものです。
Laprie et al. による故障-エラー-故障モデル以外の、安全な操作に対する別のタイプの脅威。
パフォーマンスの制限という形で発生します。
これらを処理するためのシステム理論的アプローチを提案し、根本原因として不確実性、つまり知識の欠如に基づいて分類法を導き出します。
不確実性は、信頼性の特性を評価する私たちの能力を制限するため、システムの信頼性に対する脅威です。
不確実性を、偶然性 (確率モデルに固有)、認識論的 (モデル パラメーターの知識の欠如)、および存在論的 (モデルの不完全性) によって区別して、それらに対処するための戦略と方法を決定します。
Laprie らの分類法に類似しています。
不確実性の防止（既知の動作を持つ要素の使用、緊急の動作を起こしやすいアーキテクチャの回避、運用設計ドメインの制限など）、不確実性の除去（実験の設計による設計時、および
不確実性耐性（多様な不確実性を持つ冗長アーキテクチャの使用、不確実性を考慮した深層学習など）、不確実性予測（残留不確実性の推定など）。

要約(オリジナル)

The complexity of the operating environment and required technologies for highly automated driving is unprecedented. A different type of threat to safe operation besides the fault-error-failure model by Laprie et al. arises in the form of performance limitations. We propose a system theoretic approach to handle these and derive a taxonomy based on uncertainty, i.e. lack of knowledge, as a root cause. Uncertainty is a threat to the dependability of a system, as it limits our ability to assess its dependability properties. We distinguish uncertainties by aleatory (inherent to probabilistic models), epistemic (lack of model parameter knowledge) and ontological (incompleteness of models) in order to determine strategies and methods to cope with them. Analogous to the taxonomy of Laprie et al. we cluster methods into uncertainty prevention (use of elements with well-known behavior, avoiding architectures prone to emergent behavior, restriction of operational design domain, etc.), uncertainty removal (during design time by design of experiment, etc. and after release by field observation, continuous updates, etc.), uncertainty tolerance (use of redundant architectures with diverse uncertainties, uncertainty aware deep learning, etc.) and uncertainty forecasting (estimation of residual uncertainty, etc.).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google