論文の概要: Testing the Fault-Tolerance of Multi-Sensor Fusion Perception in Autonomous Driving Systems

• arxiv url: http://arxiv.org/abs/2504.13420v1
• Date: Fri, 18 Apr 2025 02:37:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-28 19:31:22.342483
• Title: Testing the Fault-Tolerance of Multi-Sensor Fusion Perception in Autonomous Driving Systems
• Title（参考訳）: 自律運転システムにおけるマルチセンサフュージョン知覚の耐故障性試験
• Authors: Haoxiang Tian, Wenqiang Ding, Xingshuo Han, Guoquan Wu, An Guo, Junqi Zhang. Wei Chen, Jun Wei, Tianwei Zhang,
• Abstract要約: 我々は、カメラとLiDARの故障モデルを構築し、それらをMSF認識ベースのADSに注入し、テストシナリオでその挙動をテストする。 フィードバック誘導型差動ファジタを設計し, インジェクションセンサの故障によるMRF知覚に基づくADSの安全性違反を検出する。
• 参考スコア（独自算出の注目度）: 14.871090150807929
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-level Autonomous Driving Systems (ADSs), such as Google Waymo and Baidu Apollo, typically rely on multi-sensor fusion (MSF) based approaches to perceive their surroundings. This strategy increases perception robustness by combining the respective strengths of the camera and LiDAR and directly affects the safety-critical driving decisions of autonomous vehicles (AVs). However, in real-world autonomous driving scenarios, cameras and LiDAR are subject to various faults, which can probably significantly impact the decision-making and behaviors of ADSs. Existing MSF testing approaches only discovered corner cases that the MSF-based perception cannot accurately detected by MSF-based perception, while lacking research on how sensor faults affect the system-level behaviors of ADSs. To address this gap, we conduct the first exploration of the fault tolerance of MSF perception-based ADS for sensor faults. In this paper, we systematically and comprehensively build fault models for cameras and LiDAR in AVs and inject them into the MSF perception-based ADS to test its behaviors in test scenarios. To effectively and efficiently explore the parameter spaces of sensor fault models, we design a feedback-guided differential fuzzer to discover the safety violations of MSF perception-based ADS caused by the injected sensor faults. We evaluate FADE on the representative and practical industrial ADS, Baidu Apollo. Our evaluation results demonstrate the effectiveness and efficiency of FADE, and we conclude some useful findings from the experimental results. To validate the findings in the physical world, we use a real Baidu Apollo 6.0 EDU autonomous vehicle to conduct the physical experiments, and the results show the practical significance of our findings.
• Abstract（参考訳）: Google WaymoやBaidu Apolloのような高レベルの自律運転システム(ADS)は、通常、周囲を知覚するためにマルチセンサーフュージョン(MSF)ベースのアプローチに依存している。 この戦略は、カメラとLiDARのそれぞれの強みを組み合わせることで知覚の堅牢性を高め、自動運転車(AV)の安全クリティカルな運転決定に直接影響を及ぼす。 しかし、現実の自動運転のシナリオでは、カメラとLiDARは様々な障害に直面しており、ADSの意思決定や行動に大きな影響を与える可能性がある。 既存のMSFテストアプローチは、MSFベースの知覚がMSFベースの知覚によって正確に検出できないコーナーケースのみを発見し、センサ欠陥がADSのシステムレベルの挙動にどのように影響するかの研究は欠如している。 このギャップに対処するため、センサ故障に対するMSF知覚に基づくADSの耐障害性の最初の調査を行う。 本稿では,AVにおけるカメラとLiDARの故障モデルを体系的かつ包括的に構築し,それらをMSF認識に基づくADSに注入し,テストシナリオでその挙動をテストする。 センサ故障モデルのパラメータ空間を効果的かつ効率的に探索するために,フィードバック誘導型差動ファジタを設計し,入力されたセンサ故障によるMSF知覚に基づくADSの安全性違反を検出する。 FADEを代表的かつ実用的な産業用ADSであるBaidu Apollo上で評価する。 評価結果は,FADEの有効性と有効性を示し,実験結果からいくつかの有用な知見を得た。 実際のBaidu Apollo 6.0 EDU 自律走行車を用いて物理実験を行い,本研究の実用的意義を示した。

関連論文リスト

• Knowledge Graphs as World Models for Semantic Material-Aware Obstacle Handling in Autonomous Vehicles [0.03946288852327085]
  本研究では,センサと知識グラフ(KG)に基づく世界モデルを組み合わせることで,AVの物理材料質の理解を向上させることを提案する。 自律走行シミュレータCARLAを用いて,KG統合の有無にかかわらず,AV性能を評価した。 KGベースの手法は障害物管理を改善し、AVは材料品質を利用して車線変更や緊急ブレーキの適用についてより優れた判断を下すことができる。
  論文  参考訳（メタデータ） (2025-03-27T07:46:45Z)
• Hi-ALPS -- An Experimental Robustness Quantification of Six LiDAR-based Object Detection Systems for Autonomous Driving [49.64902130083662]
  3Dオブジェクト検出システム(OD)は、自動運転車の運転決定において重要な役割を果たす。 敵対的な例は、入力データの変化、すなわち偽造(falsify)、ODの予測において、小さな、時には洗練された摂動である。 異なる種類の摂動条件下で6つの最先端3D ODのロバスト性を定量化する。
  論文  参考訳（メタデータ） (2025-03-21T14:17:02Z)
• Efficient Domain Augmentation for Autonomous Driving Testing Using Diffusion Models [7.649716717097431]
  本稿では,ADS(Autonomous Driving Systems)システムレベルのテストを強化するために,生成人工知能技術と物理ベースシミュレータの統合について検討する。 本研究では拡散モデルに基づく3つの生成戦略の有効性と計算オーバーヘッドを評価する。 セマンティックセグメンテーションに基づく不適切な入力に対して,ニューラル生成画像のセマンティックな保存とリアリズムを確保するために,新しい自動検出手法を採用した。
  論文  参考訳（メタデータ） (2024-09-20T17:09:45Z)
• Evaluating the Robustness of LiDAR-based 3D Obstacles Detection and Its Impacts on Autonomous Driving Systems [4.530172587010801]
  我々は,LiDARセンサの組込み不正確さがLiDAR-3D障害物検出モデルに与える影響について検討した。 5つの古典的LiDAR-3D障害物検出モデルのロバスト性評価にETを適用した。 点クラウドデータの微妙な変化さえも、検出性能の非自明な低下をもたらす可能性がある。
  論文  参考訳（メタデータ） (2024-08-24T19:10:07Z)
• LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
  レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。 既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。 本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-03T02:12:27Z)
• Experimental Evaluation of Road-Crossing Decisions by Autonomous Wheelchairs against Environmental Factors [42.90509901417468]
  追跡性能の微調整と屋外環境要因に対する実験的評価に焦点をあてる。 本手法は,屋外環境要因に対する映像追跡とイベント検出の堅牢性を評価するために適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-27T08:43:26Z)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Detecting Safety Problems of Multi-Sensor Fusion in Autonomous Driving [18.39664775350204]
  マルチセンサー融合(MSF)は、センサー入力を融合させ、周囲のより信頼性の高い理解を生み出すために用いられる。 業界グレードのアドバンストドライバー支援システム(ADAS)におけるMSF手法は、車の制御を誤解させ、深刻な安全上の危険をもたらす可能性がある。 本研究では,新しい進化的ドメイン固有探索フレームワークFusionFuzzを開発した。
  論文  参考訳（メタデータ） (2021-09-14T02:35:34Z)
• Invisible for both Camera and LiDAR: Security of Multi-Sensor Fusion based Perception in Autonomous Driving Under Physical-World Attacks [62.923992740383966]
  本稿では,MDFに基づくADシステムにおけるセキュリティ問題の最初の研究について述べる。 物理的に実現可能な逆3Dプリントオブジェクトを生成し、ADシステムが検出に失敗してクラッシュする。 以上の結果から,攻撃は様々なオブジェクトタイプおよびMSFに対して90%以上の成功率を達成した。
  論文  参考訳（メタデータ） (2021-06-17T05:11:07Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)

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。