Safety Implications of Explainable Artificial Intelligence in End-to-End Autonomous Driving

要約

エンドツーエンドの学習パイプラインは、主に深層学習の進歩、大規模なトレーニング データセットの利用可能性、統合センサー デバイスの改善により、進行中の高度自動運転車の開発にパラダイム シフトを徐々に生み出しています。
しかし、現代の学習方法ではリアルタイムの意思決定に説明可能性が欠けているため、ユーザーの信頼が損なわれ、そのような手段の広範な導入と商品化が弱まってしまいます。
さらに、これらの車が交通事故に巻き込まれたり、交通事故を引き起こしたりすると、問題はさらに悪化します。
したがって、車両の自動化に対する信頼を築くには、エンドツーエンドの自動運転における説明可能性が不可欠です。
そうは言っても、自動車研究者は、エンドツーエンドの自動運転における安全性の利点と説明の結果をまだ厳密に調査していません。
この論文は、これらのトピック間のギャップを埋めることを目的としており、次の研究課題に答えることを目指しています: エンドツーエンドの自動運転における説明の安全性への影響は何ですか?
この点に関して、私たちはまず、エンドツーエンドの運転における確立された安全性と説明可能性の概念を再検討します。
さらに、3 つの重要なケーススタディを紹介し、自動運転の安全性を高める上での説明の極めて重要な役割を示します。
最後に、実証研究からの洞察を説明し、エンドツーエンドの運転における安全性保証に関して、説明可能な実践的な AI 手法の潜在的な価値、限界、および注意点を明らかにします。

要約(オリジナル)

The end-to-end learning pipeline is gradually creating a paradigm shift in the ongoing development of highly autonomous vehicles, largely due to advances in deep learning, the availability of large-scale training datasets, and improvements in integrated sensor devices. However, a lack of explainability in real-time decisions with contemporary learning methods impedes user trust and attenuates the widespread deployment and commercialization of such vehicles. Moreover, the issue is exacerbated when these cars are involved in or cause traffic accidents. Consequently, explainability in end-to-end autonomous driving is essential to build trust in vehicular automation. With that said, automotive researchers have not yet rigorously explored safety benefits and consequences of explanations in end-to-end autonomous driving. This paper aims to bridge the gaps between these topics and seeks to answer the following research question: What are safety implications of explanations in end-to-end autonomous driving? In this regard, we first revisit established safety and explainability concepts in end-to-end driving. Furthermore, we present three critical case studies and show the pivotal role of explanations in enhancing self-driving safety. Finally, we describe insights from empirical studies and reveal potential value, limitations, and caveats of practical explainable AI methods with respect to their safety assurance in end-to-end driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google