Automatic Generation of Scenarios for System-level Simulation-based Verification of Autonomous Driving Systems

要約

自動運転システム (ADS) の複雑さが増すにつれ、その安全性と信頼性を確保することが重要な課題となっています。
AI コンポーネントを使用して認識機能や制御機能を実装する場合、これらのシステムの検証と検証 (V&V) は特に要求が厳しくなります。
ESA の資金提供を受けたプロジェクト VIVAS では、自律システムのシステムレベルのシミュレーションベースの V&V のための汎用フレームワークを開発しました。
このアプローチは、システムのシミュレーション モデル、システムの動作を象徴的に記述する抽象モデル、およびシナリオを生成してシミュレーションの実行を検証する形式的な手法に基づいています。
シナリオの自動生成をガイドするために、さまざまなカバレッジ基準を定義できます。
このペーパーでは、ADS ケーススタディのための VIVAS フレームワークのインスタンス化について説明します。
これは、広く使用されている運転シミュレーターである CARLA とその ScenarioRunner ツールの統合に基づいており、多様で複雑な運転シナリオの作成を可能にします。
これは、CARLA コミュニティによって共有される、AI に基づくさまざまな ADS エージェントの認識と制御を検証するために、CARLA 自動運転チャレンジでも使用されます。
抽象的な ADS モデルの開発と、検証中の ADS を備えた車両に対する車両の挙動に焦点を当てたカバレッジ基準の定式化について説明します。
VIVAS フレームワークを活用して、さまざまな運転シナリオを生成して実行し、AI コンポーネントの機能をテストします。
この結果は、CARLA と ScenarioRunner を使用した自動運転システムのシステムレベルシミュレーションベースの V&V シナリオの自動生成における VIVAS の有効性を示しています。
したがって、彼らは、ADS V&V 手法の将来における強力なツールとしてのアプローチの可能性を強調しています。

要約(オリジナル)

With increasing complexity of Automated Driving Systems (ADS), ensuring their safety and reliability has become a critical challenge. The Verification and Validation (V&V) of these systems are particularly demanding when AI components are employed to implement perception and/or control functions. In ESA-funded project VIVAS, we developed a generic framework for system-level simulation-based V&V of autonomous systems. The approach is based on a simulation model of the system, an abstract model that describes symbolically the system behavior, and formal methods to generate scenarios and verify the simulation executions. Various coverage criteria can be defined to guide the automated generation of the scenarios. In this paper, we describe the instantiation of the VIVAS framework for an ADS case study. This is based on the integration of CARLA, a widely-used driving simulator, and its ScenarioRunner tool, which enables the creation of diverse and complex driving scenarios. This is also used in the CARLA Autonomous Driving Challenge to validate different ADS agents for perception and control based on AI, shared by the CARLA community. We describe the development of an abstract ADS model and the formulation of a coverage criterion that focuses on the behaviors of vehicles relative to the vehicle with ADS under verification. Leveraging the VIVAS framework, we generate and execute various driving scenarios, thus testing the capabilities of the AI components. The results show the effectiveness of VIVAS in automatically generating scenarios for system-level simulation-based V&V of an automated driving system using CARLA and ScenarioRunner. Therefore, they highlight the potential of the approach as a powerful tool in the future of ADS V&V methodologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google