Loading...
机构名称:
¥ 1.0

本文解决了自主系统中计算可观性的挑战,尤其是在自治车辆(AVS)中,安全性和效率通常会冲突。我们首先要检查当前的方法,例如成本最小化,奖励最大化,以人为中心的处理和道德框架,并注意到它们的局限性涉及这些挑战。预见性是侵权法中的一个核心概念,它限制了演员对合理范围的问责制和法律责任。然而,确定可预见性的当前数据驱动的方法是刚性的,忽略了不确定性,并且取决于模拟数据。在这项工作中,我们主张采用一种新的计算方法,以基于法律“ BPL”公式建立自主系统的可预见性。我们提供开放的研究挑战,以完全自动驾驶的车辆为例,并呼吁研究人员帮助自主系统在安全至关重要的情况下做出负责任的决策。

迈向计算可及性

迈向计算可及性PDF文件第1页

迈向计算可及性PDF文件第2页

迈向计算可及性PDF文件第3页

迈向计算可及性PDF文件第4页

迈向计算可及性PDF文件第5页

相关文件推荐

2024 年
¥4.0
2020 年
¥2.0
2022 年
¥2.0
2016 年
¥33.0
2022 年
¥1.0
2024 年
¥12.0
2023 年
¥1.0
2020 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2022 年
¥5.0
2024 年
¥1.0
2024 年
¥4.0
2024 年
¥2.0
2022 年
¥1.0
2024 年
¥1.0
2024 年
¥2.0
2022 年
¥2.0
2024 年
¥2.0