Infrastructure-based End-to-End Learning and Prevention of Driver Failure

要約

インテリジェントな交差点マネージャーは、自動運転車の危険なドライバーや障害モードを検出し、対向車が交差点に近づくと警告することで、安全性を向上させることができます。
この作業では、FailureNet を紹介します。これは、スケーリングされたミニチュア都市の名目上のドライバーと無謀なドライバーの両方の軌跡でエンドツーエンドでトレーニングされた再帰型ニューラル ネットワークです。
FailureNet は、交差点に近づく車両の姿勢を観察し、自律スタックに障害が存在するかどうかを検出し、潜在的に危険なドライバーの交差交通を警告します。
FailureNet は、制御の失敗、上流の認識エラー、スピード違反のドライバーを正確に識別し、通常の運転と区別します。
ネットワークは、MiniCity の自動運転車でトレーニングおよび展開されます。
速度または頻度ベースの予測子と比較して、FailureNet の再帰型ニューラル ネットワーク構造は予測力が向上し、ハードウェアに展開した場合に 84% 以上の精度が得られます。

要約(オリジナル)

Intelligent intersection managers can improve safety by detecting dangerous drivers or failure modes in autonomous vehicles, warning oncoming vehicles as they approach an intersection. In this work, we present FailureNet, a recurrent neural network trained end-to-end on trajectories of both nominal and reckless drivers in a scaled miniature city. FailureNet observes the poses of vehicles as they approach an intersection and detects whether a failure is present in the autonomy stack, warning cross-traffic of potentially dangerous drivers. FailureNet can accurately identify control failures, upstream perception errors, and speeding drivers, distinguishing them from nominal driving. The network is trained and deployed with autonomous vehicles in the MiniCity. Compared to speed or frequency-based predictors, FailureNet’s recurrent neural network structure provides improved predictive power, yielding upwards of 84% accuracy when deployed on hardware.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google