Efficient Determination of Safety Requirements for Perception Systems

要約

知覚システムは一般的な自律スタックのサブコンポーネントとして動作し、知覚システムの設計者は多くの場合、閉ループ システム全体の安全性を維持しながらパフォーマンス特性を最適化する必要があります。
このため、高レベルの安全要件を知覚システム上のコンポーネント レベルの要件に抽出することが有益です。
この研究では、完全に統合された閉ループ システムのブラック ボックス シミュレータを考慮して、安全な知覚システムのパフォーマンス特性のセットを効率的に決定することに焦点を当てます。
私たちは、ガウス プロセスやしきい値バンディットなどの一般的なブラック ボックス推定手法の利点を組み合わせて、スムージング バンディットと呼ばれる新しい推定方法を開発しました。
ビジョンベースの航空機衝突回避問題に関する手法を実証し、ガウス プロセスとしきい値バンディット ベースラインを超える精度と効率の両方の改善を示します。

要約(オリジナル)

Perception systems operate as a subcomponent of the general autonomy stack, and perception system designers often need to optimize performance characteristics while maintaining safety with respect to the overall closed-loop system. For this reason, it is useful to distill high-level safety requirements into component-level requirements on the perception system. In this work, we focus on efficiently determining sets of safe perception system performance characteristics given a black-box simulator of the fully-integrated, closed-loop system. We combine the advantages of common black-box estimation techniques such as Gaussian processes and threshold bandits to develop a new estimation method, which we call smoothing bandits. We demonstrate our method on a vision-based aircraft collision avoidance problem and show improvements in terms of both accuracy and efficiency over the Gaussian process and threshold bandit baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google