Buchumschlag

Towards Trustworthy Automated Driving through Qualitative Scene Understanding and Explanations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Belmecheri, Nassim, Gotlieb, Arnaud, Lazaar, Nadjib, Spieker, Helge
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Trustworthy Automated Driving through Qualitative Scene Understanding and Explanations
von: Belmecheri, Nassim, et al.
Veröffentlicht: (2024)

Explainable Scene Understanding with Qualitative Representations and Graph Neural Networks
von: Belmecheri, Nassim, et al.
Veröffentlicht: (2025)

Rashomon in the Streets: Explanation Ambiguity in Scene Understanding
von: Spieker, Helge, et al.
Veröffentlicht: (2025)

Evaluating Human Trajectory Prediction with Metamorphic Testing
von: Spieker, Helge, et al.
Veröffentlicht: (2024)

Metamorphic Testing of Multimodal Human Trajectory Prediction
von: Spieker, Helge, et al.
Veröffentlicht: (2025)

Optimizing Ethical Risk Reduction for Medical Intelligent Systems with Constraint Programming
von: Brayé, Clotilde, et al.
Veröffentlicht: (2025)

Verifying Memoryless Sequential Decision-making of Large Language Models
von: Gross, Dennis, et al.
Veröffentlicht: (2025)

Bounded PCTL Model Checking of Large Language Model Outputs
von: Gross, Dennis, et al.
Veröffentlicht: (2025)

Enhancing Manufacturing Quality Prediction Models through the Integration of Explainability Methods
von: Gross, Dennis, et al.
Veröffentlicht: (2024)

Prompting for Performance: Exploring LLMs for Configuring Software
von: Spieker, Helge, et al.
Veröffentlicht: (2025)

Semi-supervised CAPP Transformer Learning via Pseudo-labeling
von: Gross, Dennis, et al.
Veröffentlicht: (2026)

Constraint-Guided Test Execution Scheduling: An Experience Report at ABB Robotics
von: Gotlieb, Arnaud, et al.
Veröffentlicht: (2023)

Probabilistic Model Checking of Stochastic Reinforcement Learning Policies
von: Gross, Dennis, et al.
Veröffentlicht: (2024)

Co-Activation Graph Analysis of Safety-Verified and Explainable Deep Reinforcement Learning Policies
von: Gross, Dennis, et al.
Veröffentlicht: (2025)

Towards More Trustworthy and Interpretable LLMs for Code through Syntax-Grounded Explanations
von: Palacio, David N., et al.
Veröffentlicht: (2024)

Testing for Fault Diversity in Reinforcement Learning
von: Mazouni, Quentin, et al.
Veröffentlicht: (2024)

Policy Testing with MDPFuzz (Replicability Study)
von: Mazouni, Quentin, et al.
Veröffentlicht: (2025)

Efficiently Ranking Software Variants with Minimal Benchmarks
von: Matricon, Théo, et al.
Veröffentlicht: (2025)

Translating the Rashomon Effect to Sequential Decision-Making Tasks
von: Gross, Dennis, et al.
Veröffentlicht: (2025)

Towards Understanding the Influence of Training Samples on Explanations
von: Artelt, André, et al.
Veröffentlicht: (2024)

Toward Automated and Trustworthy Scientific Analysis and Visualization with LLM-Generated Code
von: Chakroborti, Apu Kumar, et al.
Veröffentlicht: (2025)

Towards Trustworthy Legal AI through LLM Agents and Formal Reasoning
von: Chen, Linze, et al.
Veröffentlicht: (2025)

PONTE: Personalized Orchestration for Natural Language Trustworthy Explanations
von: Vineis, Vittoria, et al.
Veröffentlicht: (2026)

Faithful and Stable Neuron Explanations for Trustworthy Mechanistic Interpretability
von: Yan, Ge, et al.
Veröffentlicht: (2025)

Efficient Milling Quality Prediction with Explainable Machine Learning
von: Gross, Dennis, et al.
Veröffentlicht: (2024)

Mutation‐Guided Metamorphic Testing of Optimality in AI Planning
von: Quentin Mazouni, et al.
Veröffentlicht: (2024)

On Trustworthy Rule-Based Models and Explanations
von: Siala, Mohamed, et al.
Veröffentlicht: (2025)

Understanding LLM Scientific Reasoning through Promptings and Model's Explanation on the Answers
von: Rueda, Alice, et al.
Veröffentlicht: (2025)

Driving with Regulation: Trustworthy and Interpretable Decision-Making for Autonomous Driving with Retrieval-Augmented Reasoning
von: Cai, Tianhui, et al.
Veröffentlicht: (2024)

Exploration of the Rashomon Set Assists Trustworthy Explanations for Medical Data
von: Kobylińska, Katarzyna, et al.
Veröffentlicht: (2023)

Regularizing Explanations in Bayesian Convolutional Neural Networks
von: Bekkemoen, Yanzhe, et al.
Veröffentlicht: (2021)

Microeconomic Foundations of Multi-Agent Learning
von: Helou, Nassim
Veröffentlicht: (2026)

Forms of Understanding for XAI-Explanations
von: Buschmeier, Hendrik, et al.
Veröffentlicht: (2023)

Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization
von: Hinterleitner, Alexander, et al.
Veröffentlicht: (2025)

Automated Explanation Selection for Scientific Discovery
von: Iser, Ashlin
Veröffentlicht: (2024)

Towards Holistic Surgical Scene Understanding
von: Valderrama, Natalia, et al.
Veröffentlicht: (2022)

Towards Verified and Targeted Explanations through Formal Methods
von: Wang, Hanchen David, et al.
Veröffentlicht: (2026)

Simulator Ensembles for Trustworthy Autonomous Driving Testing
von: Sorokin, Lev, et al.
Veröffentlicht: (2025)

Claw-Eval: Towards Trustworthy Evaluation of Autonomous Agents
von: Ye, Bowen, et al.
Veröffentlicht: (2026)

Hybrid Primal Sketch: Combining Analogy, Qualitative Representations, and Computer Vision for Scene Understanding
von: Forbus, Kenneth D., et al.
Veröffentlicht: (2024)