Clustering-based Criticality Analysis for Testing of Automated Driving Systems

要約

完全自動運転車の自動運転システム（ADS）の型式承認に関する新しいEU規制2022/1426の施行に伴い、先進運転支援システムと自動運転システムの性能と安全性を評価する際にシナリオベースの試験が重要性を増している。
ただし、単一の論理シナリオから具体的なシナリオを探索および生成すると、多くの場合、同様のシナリオまたは冗長なシナリオが多数発生する可能性があり、テストの目標に貢献しない可能性があります。
このペーパーでは、単一の論理シナリオから具体的なシナリオをクラスタリングすることによって、シナリオ セットを削減するという目標に焦点を当てます。
クラスタリング技術を採用することで、冗長で興味のないシナリオを特定して削除し、代表的なシナリオ セットを作成できます。
この削減により、より集中的で効率的なテスト プロセスが可能になり、最も関連性の高い重要なシナリオにリソースを割り当てることが可能になります。
さらに、特定されたクラスターはシナリオ空間に関する貴重な洞察を提供し、システムの動作のパターンと潜在的な問題を明らかにします。

要約(オリジナル)

With the implementation of the new EU regulation 2022/1426 regarding the type-approval of the automated driving system (ADS) of fully automated vehicles, scenario-based testing has gained significant importance in evaluating the performance and safety of advanced driver assistance systems and automated driving systems. However, the exploration and generation of concrete scenarios from a single logical scenario can often lead to a number of similar or redundant scenarios, which may not contribute to the testing goals. This paper focuses on the the goal to reduce the scenario set by clustering concrete scenarios from a single logical scenario. By employing clustering techniques, redundant and uninteresting scenarios can be identified and eliminated, resulting in a representative scenario set. This reduction allows for a more focused and efficient testing process, enabling the allocation of resources to the most relevant and critical scenarios. Furthermore, the identified clusters can provide valuable insights into the scenario space, revealing patterns and potential problems with the system’s behavior.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google