GENESIS-RL: GEnerating Natural Edge-cases with Systematic Integration of Safety considerations and Reinforcement Learning

要約

急速に進化する自律システムの分野では、システム コンポーネントの安全性と信頼性が基本的な要件です。
これらのコンポーネントは複雑で予期せぬ環境に対して脆弱であることが多く、システムの復元力を高めるためには自然なエッジケースの生成が不可欠です。
この論文では、システムレベルの安全性の考慮事項と強化学習技術を活用して、自然主義的なエッジケースを体系的に生成する新しいフレームワークである GENESIS-RL について説明します。
私たちのフレームワークは、現実世界の状況を模倣した困難な状況をシミュレートすることにより、システム全体の安全性と信頼性を厳密にテストすることを目的としています。
自動運転アプリケーション内で実証されていますが、私たちの方法論はさまざまな自動運転システムに適応できます。
高忠実度のシミュレーターで行われた実験的検証により、このフレームワークの全体的な有効性が強調されています。

要約(オリジナル)

In the rapidly evolving field of autonomous systems, the safety and reliability of the system components are fundamental requirements. These components are often vulnerable to complex and unforeseen environments, making natural edge-case generation essential for enhancing system resilience. This paper presents GENESIS-RL, a novel framework that leverages system-level safety considerations and reinforcement learning techniques to systematically generate naturalistic edge cases. By simulating challenging conditions that mimic the real-world situations, our framework aims to rigorously test entire system’s safety and reliability. Although demonstrated within the autonomous driving application, our methodology is adaptable across diverse autonomous systems. Our experimental validation, conducted on high-fidelity simulator underscores the overall effectiveness of this framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google