Discrete-Event Controller Synthesis for Autonomous Systems with Deep-Learning Perception Components

要約

DeepDECS は、意思決定プロセスの認識ステップにディープ ニューラル ネットワーク (DNN) 分類器を使用する自律システム用の、構築による正しい離散イベント コントローラーを合成するための新しい方法です。
近年の深層学習の大きな進歩にもかかわらず、これらのシステムに安全性を保証することは依然として非常に困難です。
私たちのコントローラ合成法は、DNN 検証を検証済みマルコフ モデルの合成と統合することで、この課題に対処します。
合成されたモデルは、自律システムの安全性、信頼性、パフォーマンスの要件を満たし、一連の最適化目標に関してパレート最適であることが保証された離散イベント コントローラーに対応します。
この方法をシミュレーションで使用して、移動ロボットの衝突を軽減し、共有制御の自動運転でドライバーの注意力を維持するためのコントローラーを合成します。

要約(オリジナル)

We present DeepDECS, a new method for the synthesis of correct-by-construction discrete-event controllers for autonomous systems that use deep neural network (DNN) classifiers for the perception step of their decision-making processes. Despite major advances in deep learning in recent years, providing safety guarantees for these systems remains very challenging. Our controller synthesis method addresses this challenge by integrating DNN verification with the synthesis of verified Markov models. The synthesised models correspond to discrete-event controllers guaranteed to satisfy the safety, dependability and performance requirements of the autonomous system, and to be Pareto optimal with respect to a set of optimisation objectives. We use the method in simulation to synthesise controllers for mobile-robot collision mitigation and for maintaining driver attentiveness in shared-control autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google