First-principles Based 3D Virtual Simulation Testing for Discovering SOTIF Corner Cases of Autonomous Driving

要約

3D 仮想シミュレーションは、多様なテスト シナリオを生成し、自動運転システム (ADS) モジュールのフルスタックを全体として動的にテストするもので、意図された機能の安全性 (SOTIF) ADS テストの有望なアプローチです。
ただし、テスト シナリオのさまざまな構成は、センサーの認識や環境の相互作用に影響を与えるため、たとえば、
LiDAR センサーから発せられる光パルスは後方散乱と減衰を受けますが、これは既存の研究では通常見落とされ、誤検知や誤った結果につながります。
さらに、ADS の入力空間は非常に大きく、時間領域と空間領域の両方に沿って、考えられる初期シナリオと突然変異が無限に存在します。
この論文では、第一原理に基づくセンサー モデリングと環境相互作用スキームを提案し、それを CARLA シミュレーターに統合します。
このスキームを使用すると、長い間見落とされてきた悪天候関連の例外的なケースが、その根本原因とともに発見されます。
さらに、メタヒューリスティック アルゴリズムは、シード シナリオと突然変異の両方を導くいくつかの経験的洞察に基づいて設計されており、シナリオの検索次元を大幅に削減し、コーナーケースの特定の効率を高めます。
実験結果は、同一のシミュレーション設定の下で、私たちのアルゴリズムが最先端の研究と比較して約 4 倍多くの例外ケースを発見することを示しています。

要約(オリジナル)

3D virtual simulation, which generates diversified test scenarios and tests full-stack of Autonomous Driving Systems (ADSes) modules dynamically as a whole, is a promising approach for Safety of The Intended Functionality (SOTIF) ADS testing. However, as different configurations of a test scenario will affect the sensor perceptions and environment interaction, e.g. light pulses emitted by the LiDAR sensor will undergo backscattering and attenuation, which is usually overlooked by existing works, leading to false positives or wrong results. Moreover, the input space of an ADS is extremely large, with infinite number of possible initial scenarios and mutations, along both temporal and spatial domains. This paper proposes a first-principles based sensor modeling and environment interaction scheme, and integrates it into CARLA simulator. With this scheme, a long-overlooked category of adverse weather related corner cases are discovered, along with their root causes. Moreover, a meta-heuristic algorithm is designed based on several empirical insights, which guide both seed scenarios and mutations, significantly reducing the search dimensions of scenarios and enhancing the efficiency of corner case identification. Experimental results show that under identical simulation setups, our algorithm discovers about four times as many corner cases as compared to state-of-the-art work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google