NeuroNCAP: Photorealistic Closed-loop Safety Testing for Autonomous Driving

要約

センサーの現実的な閉ループ評価と安全性が重要なシナリオの作成に重点を置いて設計された、自動運転 (AD) ソフトウェア システムをテストするための多用途の NeRF ベースのシミュレーターを紹介します。
このシミュレーターは、現実世界の一連の運転センサー データから学習し、新たな未知のシナリオの再構成とレンダリングを可能にします。
この作業では、シミュレーターを使用して、欧州新車評価プログラム (ユーロ NCAP) に触発された安全性が重要なシナリオに対する AD モデルの応答をテストします。
私たちの評価により、最先端のエンドツーエンド プランナーは、開ループ設定での名目上の運転シナリオでは優れているものの、閉ループ設定で安全性が重要なシナリオをナビゲートする場合には重大な欠陥が見られることが明らかになりました。
これは、エンドツーエンドのプランナーの安全性と実際の使いやすさを向上させる必要性を浮き彫りにしています。
当社のシミュレーターとシナリオを実行しやすい評価スイートとして一般公開することで、研究コミュニティが、制御された、高度に構成可能で困難なセンサーの現実的な環境で AD モデルを探索、改良、検証するよう促します。
コードと手順は https://github.com/wljungbergh/NeuroNCAP でご覧いただけます。

要約(オリジナル)

We present a versatile NeRF-based simulator for testing autonomous driving (AD) software systems, designed with a focus on sensor-realistic closed-loop evaluation and the creation of safety-critical scenarios. The simulator learns from sequences of real-world driving sensor data and enables reconfigurations and renderings of new, unseen scenarios. In this work, we use our simulator to test the responses of AD models to safety-critical scenarios inspired by the European New Car Assessment Programme (Euro NCAP). Our evaluation reveals that, while state-of-the-art end-to-end planners excel in nominal driving scenarios in an open-loop setting, they exhibit critical flaws when navigating our safety-critical scenarios in a closed-loop setting. This highlights the need for advancements in the safety and real-world usability of end-to-end planners. By publicly releasing our simulator and scenarios as an easy-to-run evaluation suite, we invite the research community to explore, refine, and validate their AD models in controlled, yet highly configurable and challenging sensor-realistic environments. Code and instructions can be found at https://github.com/wljungbergh/NeuroNCAP

arxiv情報

提供元, 利用サービス

arxiv.jp, Google