A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles’ Riskiness

要約

自動運転車（AV）は、モビリティへの幅広いアクセス、交通事故の削減、輸送効率の向上など、さまざまな社会的利点を約束します。
ただし、過去のデータが限られていることと技術の急速な進歩により、AV に関連するリスクの評価は複雑になります。
この論文では、道路利用者の「不正行為」に関する反事実シミュレーションに基づいて、さまざまな運用設計ドメイン (ODD) におけるさまざまな AV の行動のリスクを評価するためのデータ駆動型フレームワークを紹介します。
私たちは、衝突を引き起こす可能性のある名目上の動作からの最小偏差を表す、反事実的な安全マージンの概念を提案します。
この方法論は、最も重大なシナリオを正確に特定するだけでなく、AV に関する (相対的な) リスクの頻度と重大度も定量化します。
重要なのは、最悪の場合と最良の場合の分析を通じて、AV の行動方針が非公開のままである場合でも、私たちのアプローチが適用可能であることを示し、規制当局やリスク評価者のような外部団体に利益をもたらすことです。
私たちの実験結果は、安全マージン、運転ポリシーの質、ODD の間の相関関係を実証し、さまざまな AV プロバイダーの相対的なリスクを明らかにしています。
全体として、この研究は AV の安全性評価に貢献し、この急成長する技術を取り巻く立法上および保険上の懸念に対処します。

要約(オリジナル)

Autonomous Vehicles (AVs) promise a range of societal advantages, including broader access to mobility, reduced road accidents, and enhanced transportation efficiency. However, evaluating the risks linked to AVs is complex due to limited historical data and the swift progression of technology. This paper presents a data-driven framework for assessing the risk of different AVs’ behaviors in various operational design domains (ODDs), based on counterfactual simulations of ‘misbehaving’ road users. We propose the notion of counterfactual safety margin, which represents the minimum deviation from nominal behavior that could cause a collision. This methodology not only pinpoints the most critical scenarios but also quantifies the (relative) risk’s frequency and severity concerning AVs. Importantly, we show that our approach is applicable even when the AV’s behavioral policy remains undisclosed, through worst- and best-case analyses, benefiting external entities like regulators and risk evaluators. Our experimental outcomes demonstrate the correlation between the safety margin, the quality of the driving policy, and the ODD, shedding light on the relative risks of different AV providers. Overall, this work contributes to the safety assessment of AVs and addresses legislative and insurance concerns surrounding this burgeoning technology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google