Leveraging Cloud Computing to Make Autonomous Vehicles Safer

要約

自動運転車 (AV) の安全性は、大量のセンサー データに対して複雑な計算をタイムリーに実行できるかどうかにかかっています。
最先端のモデルを使用してこれらの計算を実行する能力は、オンボード ハードウェアの処理能力と遅い更新サイクルによって制限されます。
対照的に、クラウド コンピューティングは、膨大な量の最新世代のハードウェアに対してバースト計算を実行する機能を提供します。
ただし、これらのクラウド リソースにアクセスするには、リアルタイム AV 駆動アプリケーションにとっては信頼性が低すぎると考えられるワイヤレス ネットワークを経由する必要があります。
私たちの取り組みは、この信頼性の低いクラウドを利用して、AV の決定の精度を高めながら、常にオンボードの計算能力にフォールバックできるようにすることを目指しています。
精度向上のためにクラウドを安全に活用するために AV が使用できる 3 つのメカニズムを特定し、現在の実行システムがこれらのメカニズムを有効にできない理由を詳しく説明します。
これらの制限に対処するために、クラウドでの AV パイプラインの投機的実行に基づいたシステム設計を提供し、これらのメカニズムを適用する複雑な現実世界のシナリオのシミュレーションでこのアプローチの有効性を示します。

要約(オリジナル)

The safety of autonomous vehicles (AVs) depends on their ability to perform complex computations on high-volume sensor data in a timely manner. Their ability to run these computations with state-of-the-art models is limited by the processing power and slow update cycles of their onboard hardware. In contrast, cloud computing offers the ability to burst computation to vast amounts of the latest generation of hardware. However, accessing these cloud resources requires traversing wireless networks that are often considered to be too unreliable for real-time AV driving applications. Our work seeks to harness this unreliable cloud to enhance the accuracy of an AV’s decisions, while ensuring that it can always fall back to its on-board computational capabilities. We identify three mechanisms that can be used by AVs to safely leverage the cloud for accuracy enhancements, and elaborate why current execution systems fail to enable these mechanisms. To address these limitations, we provide a system design based on the speculative execution of an AV’s pipeline in the cloud, and show the efficacy of this approach in simulations of complex real-world scenarios that apply these mechanisms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google