The need of a self for self-driving cars a theoretical model applying homeostasis to self driving

要約

この論文では、自動運転車の自律性、安全性、効率性を高めるために設計されたホメオスタシス アーキテクチャを通じて、自動運転車の「自己」を作成するという概念を検討します。
提案されたシステムは、金属車体、ホイール、エンジン、バッテリーの状態などの自動車の内部状態を監視するために内側に焦点を当てたセンサーを統合し、最適な機能を表すベースラインの恒常性状態を確立します。
カメラや LIDAR などの外向きセンサーは、ホメオスタシスからの逸脱を定量化することで、自動車のホメオスタシス状態への影響を介して解釈されます。
これは、人間と同じように自動車に現実を「見て」もらい、人間と同じように現実の要素を識別させようとするアプローチとは対照的です。
仮想環境はトレーニングを加速するために活用されます。
さらに、自動車はブロックチェーン技術を介して通信し、経験を共有するようにプログラムされており、個別のトレーニングモデルを維持しながら、お互いの間違いから学習します。
環境データに対する微妙な解釈と対応を可能にするために、自動運転車専用の言語が提案されています。
このアーキテクチャにより、自動運転車は内部および外部のフィードバックに基づいて動作を動的に調整し、協力と継続的な改善を促進できます。
この研究は、AI 開発に対するより広範な影響、潜在的な現実世界への応用、および将来の研究の方向性について議論して締めくくられています。

要約(オリジナル)

This paper explores the concept of creating a ‘self’ for self-driving cars through a homeostatic architecture designed to enhance their autonomy, safety, and efficiency. The proposed system integrates inward focused sensors to monitor the car’s internal state, such as the condition of its metal bodywork, wheels, engine, and battery, establishing a baseline homeostatic state representing optimal functionality. Outward facing sensors, like cameras and LIDAR, are then interpreted via their impact on the car’s homeostatic state by quantifying deviations from homeostasis. This contrasts with the approach of trying to make cars ‘see’ reality in a similar way to humans and identify elements in their reality in the same way humans. Virtual environments would be leveraged to accelerate training. Additionally, cars are programmed to communicate and share experiences via blockchain technology, learning from each other’s mistakes while maintaining individualized training models. A dedicated language for self-driving cars is proposed to enable nuanced interpretation and response to environmental data. This architecture allows self-driving cars to dynamically adjust their behavior based on internal and external feedback, promoting cooperation and continuous improvement. The study concludes by discussing the broader implications for AI development, potential real-world applications, and future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google