論文の概要: Intersection focused Situation Coverage-based Verification and
Validation Framework for Autonomous Vehicles Implemented in CARLA
- arxiv url: http://arxiv.org/abs/2112.14706v1
- Date: Fri, 24 Dec 2021 02:56:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-02 09:01:35.323668
- Title: Intersection focused Situation Coverage-based Verification and
Validation Framework for Autonomous Vehicles Implemented in CARLA
- Title（参考訳）: CARLAに実装された自律走行車両の遮蔽型検証・検証フレームワーク
- Authors: Zaid Tahir, Rob Alexander
- Abstract要約: 本稿では,AVの検証・検証(V&V)と安全性保証のための状況カバレッジベース(SitCov) AV-testingフレームワークを提案する。
SitCov AV-testing frameworkは、異なる環境および交差点構成下での道路交差点における車両と車両の相互作用に焦点を当てる。
私たちのコードはオンラインで公開されており、誰でも私たちのSitCov AV-testingフレームワークを使って、それを使って、さらにその上に構築することができます。
- 参考スコア（独自算出の注目度）: 1.1602089225841632
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous Vehicles (AVs) i.e., self-driving cars, operate in a safety
critical domain, since errors in the autonomous driving software can lead to
huge losses. Statistically, road intersections which are a part of the AVs
operational design domain (ODD), have some of the highest accident rates.
Hence, testing AVs to the limits on road intersections and assuring their
safety on road intersections is pertinent, and thus the focus of this paper. We
present a situation coverage-based (SitCov) AV-testing framework for the
verification and validation (V&V) and safety assurance of AVs, developed in an
open-source AV simulator named CARLA. The SitCov AV-testing framework focuses
on vehicle-to-vehicle interaction on a road intersection under different
environmental and intersection configuration situations, using situation
coverage criteria for automatic test suite generation for safety assurance of
AVs. We have developed an ontology for intersection situations, and used it to
generate a situation hyperspace i.e., the space of all possible situations
arising from that ontology. For the evaluation of our SitCov AV-testing
framework, we have seeded multiple faults in our ego AV, and compared situation
coverage based and random situation generation. We have found that both
generation methodologies trigger around the same number of seeded faults, but
the situation coverage-based generation tells us a lot more about the
weaknesses of the autonomous driving algorithm of our ego AV, especially in
edge-cases. Our code is publicly available online, anyone can use our SitCov
AV-testing framework and use it or build further on top of it. This paper aims
to contribute to the domain of V&V and development of AVs, not only from a
theoretical point of view, but also from the viewpoint of an open-source
software contribution and releasing a flexible/effective tool for V&V and
development of AVs.
- Abstract（参考訳）: 自動運転車(avs:autonomous vehicle)は、自動運転ソフトウェアにおけるエラーが大きな損失につながる可能性があるため、安全クリティカルなドメインで運用される。
統計的には、AVsオペレーショナルデザインドメイン(ODD)の一部である道路交差点は、最も高い事故率を持っている。
したがって,道路交差点の限界に対するAVの試験と道路交差点の安全確保が重要であり,本論文の焦点となる。
本稿では,CARLA というオープンソースのAVシミュレータで開発された AV の検証・検証・安全性保証のための状況カバレッジ(SitCov) AV-testing フレームワークを提案する。
sitcov av-testing frameworkは、avsの安全性保証のための自動テストスイート生成のための状況カバレッジ基準を使用して、異なる環境および交差点構成条件下での道路交差点における車両間相互作用に焦点を当てている。
我々は、交叉状況のオントロジーを開発し、それを用いて状況超空間、すなわちそのオントロジーから生じる全ての可能な状況の空間を生成する。
SitCov AVテストフレームワークの評価のために,エゴAVで複数の障害を発生させ,状況カバレッジとランダムな状況生成を比較した。
両方の生成手法が、同じ数のシード断層をトリガーしていることがわかりましたが、カバレッジベースの生成は、エゴAVの自律運転アルゴリズムの弱点、特にエッジケースにおいて、より多くを教えてくれます。
私たちのコードはオンラインで公開されており、誰でも私たちのSitCov AV-testingフレームワークを使って、それを使って、さらにその上に構築することができます。
本稿では,V&Vの領域とAV開発への貢献を理論的観点からだけでなく,オープンソースのソフトウェアコントリビューションや,V&VやAV開発のためのフレキシブル・エフェクトなツールのリリースの観点からも目指す。
関連論文リスト
- Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。
VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
論文 参考訳（メタデータ） (2024-10-02T02:20:42Z) - Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - PAFOT: A Position-Based Approach for Finding Optimal Tests of Autonomous Vehicles [4.243926243206826]
本稿では位置に基づくアプローチテストフレームワークであるPAFOTを提案する。
PAFOTは、自動走行システムの安全違反を明らかにするために、敵の運転シナリオを生成する。
PAFOTはADSをクラッシュさせる安全クリティカルなシナリオを効果的に生成し、短いシミュレーション時間で衝突を見つけることができることを示す実験である。
論文 参考訳（メタデータ） (2024-05-06T10:04:40Z) - A novel framework for adaptive stress testing of autonomous vehicles in
highways [3.2112502548606825]
高速道路交通のシナリオにおいて,安全上の懸念を生じさせるようなコーナーケースを探索する新しい枠組みを提案する。
衝突確率推定に基づいて衝突シナリオを識別する際のASTを導出するDRLの新しい報奨関数を開発した。
提案するフレームワークは,より現実的なトラフィックシナリオの作成を可能にする,新たな駆動モデルとさらに統合されている。
論文 参考訳（メタデータ） (2024-02-19T04:02:40Z) - Development and Assessment of Autonomous Vehicles in Both Fully
Automated and Mixed Traffic Conditions [0.0]
本稿では,単一AVの開発から始まり,接続型AVへと進展する多段階アプローチを提案する。
AVの運転性能を検証するために調査を行い、混合交通事例研究に活用する。
その結果, 深部強化学習を用いて, AVは人間の運転性能に到達した運転行動を得た。
AVネットワークにおける共有とケアに基づくV2Vコミュニケーションの採用は、その運転行動を高め、より効果的な行動計画を支援し、AV間の協調行動を促進する。
論文 参考訳（メタデータ） (2023-12-08T02:40:11Z) - Stackelberg Driver Model for Continual Policy Improvement in
Scenario-Based Closed-Loop Autonomous Driving [5.765939495779461]
安全クリティカルなシナリオを合成するための効率的な手法のクラスとして、敵生成法が登場した。
Stackelberg Driver Model (SDM) を調整し、車両相互作用の階層的な性質を正確に特徴づける。
提案アルゴリズムは,特に高次元シナリオにおいて,いくつかのベースラインと比較して優れた性能を示す。
論文 参考訳（メタデータ） (2023-09-25T15:47:07Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳（メタデータ） (2022-03-04T16:14:33Z) - Transferable Deep Reinforcement Learning Framework for Autonomous
Vehicles with Joint Radar-Data Communications [69.24726496448713]
本稿では,AVの最適決定を支援するために,マルコフ決定プロセス(MDP)に基づくインテリジェントな最適化フレームワークを提案する。
そこで我々は,近年の深層強化学習技術を活用した効果的な学習アルゴリズムを開発し,AVの最適方針を見出す。
提案手法は,従来の深部強化学習手法と比較して,AVによる障害物ミス検出確率を最大67%削減することを示す。
論文 参考訳（メタデータ） (2021-05-28T08:45:37Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。